Master Thesis im Rahmen des Universitätslehrganges „Geographical Information Science & Systems“ (UNIGIS MSc) am Zentrum für GeoInformatik (Z_GIS) der Paris Lodron- Universität Salzburg zum Thema „Orthorektifizierung von IKONOS- Szenen als Grundlage für die GIS- Datenerfassung im Gebiet der Pampa von Nasca/Peru“ vorgelegt von Dipl.-Ing. (FH) Christiane Richter U1232, UNIGIS MSc 2005 Zur Erlangung des Grades „Master of Science (Geographical Information Science & Systems) – MSc(GIS)“ Gutachter: Ao. Univ. Prof. Dr. Josef Strobl Dresden, 28. Mai 2007
146
Embed
Master Thesis - unigis.sbg.ac.atunigis.sbg.ac.at/files/Mastertheses/Full/1232.pdf · Vorwort Vorwort „So gibt es hier unendlich viele Rätsel, Sachen die noch gar nicht erforscht
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Master Thesis im Rahmen des
Universitätslehrganges „Geographical Information Science & Systems“ (UNIGIS MSc) am Zentrum für GeoInformatik (Z_GIS)
der Paris Lodron- Universität Salzburg
zum Thema
„Orthorektifizierung von IKONOS- Szenen als Grundlage für die GIS- Datenerfassung
a große Halbachse des Rotationsellipsoids (DIN 18709-1 Nr. 7.4.2.1)
b kleine Halbachse des Rotationsellipsoids (DIN 18709-1 Nr. 7.4.2.2)
f Abplattung des Ellipsoids f = (a-b)/a (DIN 18709-1 Nr. 7.4.2.4)
B geodätische (ellipsoidische) Breite (DIN 18709-1 Nr. 7.4.7.1)
L geodätische (ellipsoidische) Länge (DIN 18709-1 Nr. 7.4.7.2)
h ellipsoidische Höhe (DIN 18709-1 Nr. 7.4.7.3)
Ho orthometrische Höhe (DIN 18709-1 Nr. 10.2.12)
N Geoidundulation (DIN 18709-1 Nr. 10.4.2)
φ geographische Breite auf der Erdkugel (DIN 18709-1 Nr. 7.5.3.1)
λ geographische Länge auf der Erdkugel (DIN 18709-1 Nr. 7.5.3.2) (siehe
auch Wellenlänge)
R Radius der Erdkugel (DIN 18709-1 Nr. 7.5.1.1)
Φ astronomische Breite (DIN 18709-1 Nr. 7.2.2.1)
Λ astronomische Länge (DIN 18709-1 Nr. 7.2.2.2)
Θ Lotabweichung (DIN 18709-1 Nr. 8.6.1)
ξ Lotabweichungskomponente in Breite (DIN 18709-1 Nr. 8.6.1.1)
η Lotabweichungskomponente in Länge (DIN 18709-1 Nr. 8.6.1.2)
αa astronomisches Azimut (DIN 18709-1 Nr. 8.2.1.10)
ha Höhe im Horizontalsystem (nach DIN 18709-1 Nr. 8.2.1.12: h)
z Zenitdistanz im Horizontalsystem (DIN 18709-1 Nr. 8.2.1.11)
Z astronomischer Zenit (DIN 18709-1 Nr. 8.2.1.2)
δ Refraktionswinkel (DIN 18709-1 Nr. 10.5.9)
SR Schräg- (Raum-) Strecke (DIN 18709-1 Nr. 9.3.1.2)
SH Horizontalstrecke im Messungshorizont (DIN 18709-1 Nr. 9.3.1.3)
SO Horizontalstrecke auf der Bezugsfläche (DIN 18709-1 Nr. 9.3.1.4)
S Bogenlänge auf der Bezugsfläche (DIN 18709-1 Nr. 9.3.1.5)
s verebnete Strecke (DIN 18709-1 Nr. 7.6.1.4)
t ebener Richtungswinkel (DIN 18709-1 Nr. 7.6.1.8)
αg Geländeneigung
Symbolverzeichnis
c Kammerkonstante (DIN 18716-1 Nr. 5.2.6)
hg Flughöhe über Grund (DIN 18716-1 Nr. 5.3.5)
β Höhenwinkel (DIN 18716-1 Kap. 3.4)
α Beobachtungswinkel (DIN 18716-3 Kap. 5.3.5), auch: Nadirwinkel
αL lokaler Nadirwinkel
γ Depressionswinkel (DIN 18716-3 Kap. 5.6.7)
b Basislänge (DIN 18716-1 Kap. 3.2)
ε Neigungswinkel der Basislinie (DIN 18716-1 Kap. 3.4)
λ Wellenlänge (DIN 18716-1 Kap. 3.4) (siehe auch Geographische Länge)
φ interferometrische Phasendifferenz
σx Standardabweichung (DIN 18709-4 Nr. 2.2.8)
sx empirische Standardabweichung (DIN 18709-4 Nr. 2.3.6)
xi (yi, zi) Beobachtungswert (DIN 18709-4 Nr. 2.1.2)
x (arithmetischer) Mittelwert (DIN 18709-4 Nr. 2.3.3)
∆h Höhendifferenz (DIN 18709-1 Nr. 10.2.2)
∆x Abweichung in x- Richtung (analog für y und z)
∆L Lagedifferenz
Hinweis: Um eine einheitliche Verwendung der Symbole zu gewährleisten, wurde
weitestgehend versucht, die in der DIN vorgeschlagenen Abkürzungen
und Zeichen zu benutzen. Da einzelne Buchstaben doppelt vergeben
sind, mussten in Einzelfällen abweichende Bezeichnungen verwendet
werden, um Verwirrungen zu vermeiden.
1 Einführung 1
“Wenn sich erweisen sollte, dass Rich-tungseinordnung und Längenmessung in Nazca im Dienste der Zeitmessung gestan-den haben, und die Maßeinheit einmal be-kannt ist, könnte mit der Entzifferung des großen Dokumentes begonnen werden“ (M. REICHE 1989)
1 Einführung
1.1 Weltkulturerbe Nasca
Eines der beeindruckendsten Kulturdenkmale, einzigartig in der Welt und den Zeugnis-
sen anderer großer Kulturen ebenbürtig, sind die Linien und Geoglyphen in der Pampa
von Nasca und Palpa am Rande der Atacama- Wüste im Süden Perus. Sie sind ein
Zeugnis der hohen künstlerischen und technischen Begabung der präkolumbischen
Nasca- Kultur, die zwischen 200 v. Chr. und 800 n. Chr. in den Taloasen der peruani-
schen Südküste zwischen Ica und Acari in den Tälern des Rio Nasca und seiner Ne-
benflüsse ihre Blütezeit erlebte. Auf einem mehr als 500km2 großen Wüstenplateau
schuf diese Kultur eines der faszinierendsten Rätsel der Menschheitsgeschichte. Tau-
sende von schnurgeraden bis zu 12 km langen Linien, zahlreiche riesige Flächen in
Trapez- und Dreiecksformen, sowie gigantische Tier-, Pflanzen- und geometrische
Figuren (sogenannte Geoglyphen) bedecken die Steinwüste zwischen den Wüsten-
städtchen Nasca und Palpa. Vom Boden aus betrachtet sind die Zeichnungen kaum zu
erfassen, erst aus großer Höhe erschließen sich Konstruktion, Vielfalt, Größe und
künstlerische Darstellung dem Auge des Betrachters. Dies scheint auch der Grund
dafür zu sein, dass sich die Bodenzeichnungen in der Wüste der Aufmerksamkeit ver-
gangener Generationen entzogen und somit über Jahrhunderte hinweg im Verborge-
nen blieben. Als man zu Anfang des 20. Jahrhunderts, mit Beginn der Luftfahrt, die
Zeichnungen wiederentdeckte, hielt man die Linien in der Pampa zunächst für Reste
von Bewässerungsanlagen. Bei näherer Betrachtung wurde jedoch klar, dass dieses
Kunstwerk keineswegs so einfach zu erklären ist.
Der Mythos, der die Linien und Figuren von Nasca umgibt, ist ebenso faszinierend wie
die Zeichnungen selbst. Bis heute gibt es keine wissenschaftlich bewiesene Antwort
auf die Frage, welchem Zweck die Zeichnungen dienten. Waren die Darstellungen Teil
eines religiösen Rituals, einer Bitte an die Götter um fruchtbare Ernten? Markieren die
Linien unterirdische Wasservorkommen oder sind sie gar Teil eines Bewässerungs-
systems? Fragen, auf die es bislang keine umfassende Antwort gibt. Schriftliche Do-
kumente oder mündliche Überlieferungen, die Licht in das Dunkel bringen könnten,
1 Einführung 2
existieren nicht. Das ist wohl auch der Grund, weshalb sich bis heute so zahlreiche
Spekulationen und Theorien um das Geheimnis von Nasca ranken. (RICHTER,
TEICHERT 2006)
Abb. 1: Pampa von Nasca (li.: Linie in einer Fläche , re.: Teil des Kolibri)
Ein Name, der untrennbar mit den Linien und Geoglyphen von Nasca verbunden ist, ist
der von Dr. Maria Reiche, einer Dresdner Mathematikerin und Geografin, die mehr als
40 Jahre ihres Lebens der Erforschung und dem Schutz der Bodenzeichnungen wid-
mete. Maria Reiche setzte sich zudem insbesondere mit der von Paul Kosok, einem
amerikanischen Kulturhistoriker und Archäologen, vorgeschlagenen astronomischen
Deutung der Linien von Nasca auseinander.
1.2 Motivation und Zielsetzung
In Fortführung der jahrzehntelangen Arbeit Maria Reiches wurde im Jahre 1995 an der
Hochschule für Technik und Wirtschaft Dresden, Fachbereich Vermessungswesen und
Kartographie das Forschungsprojekt „Nasca“ ins Leben gerufen. Inhalt des Projektes
ist die Erfassung, Verwaltung, Analyse und Präsentation der Linien und Geoglyphen in
der Pampa von Nasca und Palpa in einem Geo- Informationssystem (NascaGIS) mit
dem Ziel, angesichts der drohenden Zerstörung durch Umweltverschmutzung, Raub-
grabungen und Massentourismus, dieses UNESCO- Weltkulturerbe zumindest in digi-
taler Form zu erhalten und einer breiteren Öffentlichkeit zugänglich zu machen.
Daneben besteht eine wesentliche Aufgabe des Projektes in der Verifizierung der
astronomischen Theorie Maria Reiches. In vielen Kulturen des alten Peru spielte die
Astronomie zweifelsohne eine große Rolle. Maria Reiche vermutete, dass das astro-
nomische Wissen der Schamanen bereits zur Nasca- Zeit ausreichte, um aus der Beo-
bachtung der Gestirne den jahreszeitlichen Wechsel, den Beginn von Aussaat und
Ernte ableiten zu können. Als Teil religiöser Zeremonien und Rituale könnten die
1 Einführung 3
Nascas somit die Linien und Flächen in der Pampa für derartige Vorhersagen genutzt
haben. Es stellt sich somit die Frage, ob eine signifikante Anzahl langer Linien und
großer Flächen zur Nasca- Zeit auf markante Himmelskörper (Sonne, Mond, sichtbare
Planeten und Sterne großer Helligkeit) ausgerichtet war.
Eine wichtige Aufgabe beim Aufbau des NascaGIS und gleichzeitig Voraussetzung für
die astronomischen Untersuchungen ist die Datenerfassung. Angesichts der Größe
des Gebietes und der strengen Auflagen zum Betreten des Weltkulturerbes kommen
vermessungstechnische Verfahren hierfür nicht bzw. nur unterstützend in Frage. Die
Anwendung photogrammetrischer Verfahren ist daher die sinnvollste Variante zur
Datenerfassung. Allerdings setzt dies das Vorhandensein von photogrammetrischen
Luftbildern voraus, welche derzeit im Nascaprojekt nur für einen kleinen Teil der
Pampa von Nasca vorliegen. Daher liegt der Gedanke nahe, sehr hochauflösende
Satellitenbilder als Datenquelle für das NascaGIS zu nutzen. Die Frage ist allerdings,
welche Genauigkeitserwartungen an diese Daten gestellt werden können und ob diese
Genauigkeiten den notwendigen Anforderungen genügen.
Ziel dieser Arbeit ist es somit, zu untersuchen, mit welcher Genauigkeit Vektordaten
aus orthorektifizierten Satellitenbildern abgeleitet werden können und ob diese Ge-
nauigkeit als Basis für die astronomischen Berechnungen zur Verifizierung der Kalen-
dertheorie ausreicht. Für diese Untersuchungen stehen IKONOS- Satellitenbilder vom
Gebiet der Pampa von Nasca zur Verfügung. Da es sich nicht um Stereosatellitendaten
handelt, spielt des Weiteren die Frage nach dem für die Orthorektifizierung zu verwen-
denden Digitalen Geländemodell (DGM) eine wichtige Rolle.
In den vergangenen Jahren entstanden bereits verschiedene Geländemodelle durch
die Digitalisierung von Höhenlinien aus topographischen Karten und Katasterkarten,
welche große Teile des Projektgebietes abdecken, deren Genauigkeit jedoch bislang
nicht untersucht wurde. Daneben besteht für den mit Luftbildern abgedeckten Bereich
die Möglichkeit ein sehr genaues DGM, als Basis für Höhenvergleiche, zu generieren.
Außerdem stehen inzwischen Daten der Shuttle Radar Topography Mission (SRTM)
zur Verfügung.
Angesichts der verschiedenen Geländemodelle stellt sich die Frage, welchen Einfluss
die DGM- Genauigkeit auf das Ergebnis der Orthorektifizierung von Satellitendaten hat.
Somit ergeben sich die folgenden zentralen Fragen, die im Rahmen dieser Arbeit ge-
klärt werden sollen:
• Welche Genauigkeit weisen die verfügbaren Geländemodelle auf?
1 Einführung 4
• Wie wirkt sich die DGM- Genauigkeit auf die Orthorektifizierung der IKONOS-
Satellitendaten aus?
• Welche Genauigkeitsanforderungen leiten sich daraus für das DGM ab?
• Mit welcher Genauigkeit können Vektordaten aus den rektifizierten IKONOS-
Daten abgeleitet werden und
• welche Genauigkeitsanforderungen müssen die Daten (Vektordaten und
DGM) überhaupt erfüllen, um für astronomische Berechnungen herangezogen
werden zu können?
Im Ergebnis der Arbeit ist außerdem eine Aussage darüber zu treffen, welche Daten
(DGM und Vektordaten) künftig ins NascaGIS übernommen werden sollen und inwie-
weit sich diese Daten für astronomische Berechnungen eignen.
1.3 Gliederung der Arbeit
Die Arbeit gliedert sich dementsprechend in folgende Abschnitte. Nach der Einführung
widmet sich Kapitel 2 den erforderlichen theoretischen Grundlagen und dem aktuellen
Stand der Forschungen. Hier wird zunächst ein Einblick in die im Laufe der Arbeit zu
verwendenden Bezugssysteme, Projektionen und Koordinatensysteme vermittelt. Den
Schwerpunkt des Kapitels bildet der aktuelle Stand der Forschungen bezüglich Einsatz
und Genauigkeit von IKONOS- Satellitenbildern als Basis für Geoinformationssysteme
sowie Betrachtungen zu Digitalen Geländemodellen, insbesondere zur Genauigkeit der
SRTM- Daten.
Im daran anschließenden Kapitel 3 wird das Untersuchungsgebiet kurz vorgestellt und
ein Überblick über die vorhandenen Ausgangsdaten, d.h. GPS- Messungen, Photo-
grammetrische Luftbilder, IKONOS- Satellitenbilder und Digitale Geländemodelle sowie
die Daten des NascaGIS gegeben. Kapitel 4 beschäftigt sich mit dem Ansatz zur
Lösung der gestellten Aufgaben, dessen Umsetzung in Kapitel 5 ausführlich beschrie-
ben und erläutert wird. Neben der Betrachtung notwendiger Transformation und der
DGM- Generierung aus Luftbildern stehen die Analyse der vorhandenen DGM’s, die
Orthorektifizierung der Satellitendaten und die Genauigkeit der daraus ableitbaren
Vektordaten sowie die Genauigkeitsanforderungen für astronomische Berechnungen
im Mittelpunkt der Betrachtungen. Das 6. Kapitel beinhaltet die Analyse der Ergebnisse
und daraus abzuleitende Schlussfolgerungen. Das abschließende Kapitel 7 gibt eine
Zusammenfassung der Arbeit und einen Ausblick auf sich anschließende Themen.
2 Theoretische Grundlagen und Stand der Forschung 5
2 Theoretische Grundlagen und Stand der Forschung
2.1 Bezugssysteme
Eine wichtige Grundlage für die Arbeit mit Geodaten sind die Fragen nach dem
Bezugssystem, den zu verwendenden Projektionen und Koordinatensystemen. Zu Be-
ginn sollen daher die für diese Arbeit in Betracht kommenden Bezugs- und
Koordinatensysteme sowie die verwendeten Projektionen kurz erläutert werden.
Nach DIN 18709-1 Nr. 7.1.1 versteht man unter einem geodätischen Bezugssystem ein
„grundlegendes, einheitliches Bestimmungssystem zur Festlegung der räumlichen
Position, der Lage, der Höhe oder der Schwere von Punkten.“ Man unterscheidet in der
Geodäsie zwischen raumfesten (celestial), erdfesten (terrestrial) und lokalen Bezugs-
systemen. In dieser Arbeit spielen in erster Linie die erdfesten Bezugssysteme eine
Rolle.
Terrestrische oder erdfeste Bezugssysteme dienen zur Beschreibung der räumlichen
Position von Punkten auf oder in der Nähe der Erdoberfläche. Sie sind fest mit der ro-
tierenden Erdkugel verbunden. Dabei kann man zwischen globalen und regionalen
Systemen unterscheiden.
2.1.1 Die globalen terrestrischen Bezugssysteme ITR S und WGS84
Der Ursprung eines globalen terrestrischen Bezugssystems liegt für gewöhnlich im
Geozentrum bzw. dem Massenmittelpunkt der Erde. Die X, Y- Ebene entspricht der
Äquatorebene und die Z-Achse der Rotationsachse der Erde. Damit erhält man ein
Tab. 1: Technische Daten des Satelliten IKONOS (GEO EYE 2006)
Während für die typischen Fernerkundungsaufgaben insbesondere die radiometrischen
Eigenschaften, wie spektrale Auflösung oder Signal-Rausch-Verhältnis eine Rolle
spielen, geht es in dieser Arbeit primär um die geometrischen Eigenschaften. Daher
erscheint es notwendig, den Stand der Forschung auf dem Gebiet der geometrischen
Genauigkeit etwas näher zu betrachten.
2 Theoretische Grundlagen und Stand der Forschung 14
2.2.2 Untersuchungen zur geometrischen Genauigkeit der IKONOS- Daten
IKONOS Daten sind, je nach Verarbeitungsstufe, in Form verschiedener Bildprodukte
(siehe Tab. 2) erhältlich. Beim Kauf der Daten gilt eine Mindestabnahmemenge von
100 km2, bzw. von 49 km2 für Archivdaten der Geo, Standard Ortho und Reference
Stereo Produkte.
Lagegenauigkeit CE901 RMS
Ortho- rektifiziert
CARTERRA Geo 15.0m (in Entzerrungsebene)
N/A nein
CARTERRA Standard Ortho 50-75m 25.0m ja CARTERRA Reference 25.4m 11.8m ja CARTERRA Pro 10.2m 4.8m ja CARTERRA Precision 4.1m 1.9m ja CARTERRA Presicion Plus 2.0m 0.9m ja
Tab. 2: IKONOS- Bildprodukte (GEO EYE 2006)
Mit Ausnahme der CARTERRA Geo- Daten sind alle Produkte bereits orthorektifiziert
und unterscheiden sich im Wesentlichen in der Lagegenauigkeit und damit verbunden
auch im Preis. Am teuersten sind die Precision Plus Produkte, für die der Anwender
sowohl Passpunkte als auch ein DGM selbst bereitstellen muss. Die Geo- Daten stel-
len die preiswerteste Produktvariante dar. Sie sind bereits geometrisch korrigiert, je-
doch ohne Berücksichtigung reliefbedingter Verzerrungen. Wie aus Tab. 2 hervorgeht,
wird die Lagegenauigkeit in der Entzerrungsebene mit 15m angegeben, allerdings
kann diese in besonders bergigen Regionen bis zu einigen hundert Metern betragen.
(GEO EYE 2006)
Eine besondere Form der Geo- Produkte stellen die Geo Ortho Kit Daten dar, welche
zusätzlich die exakte Geometrie des Sensors zum Zeitpunkt der Aufnahme in Form
eines Image Geometry Model digital file (IGM) enthalten. Nach (TOUTIN, CHENG
2001) ist, bei Verwendung der Geo Ortho Kit Daten, in erster Linie die Genauigkeit des
verwendeten Digitalen Geländemodells und der Passpunkte (Ground Control Points -
GCP’s) ausschlaggebend für die metrische Genauigkeit der Orthorektifizierung. Den-
noch sind ihrer Meinung nach selbst bei Verwendung des PrecisionPlus- Prdoukts,
sowie von Passpunkten mit Genauigkeiten unter 1m und einem 5m genauen DGM
Subpixelgenauigkeiten bei der Orthorektifizierung von IKONOS Geo- Daten selbst in
flachem Gelände nicht erreichbar. Neuere Untersuchungen, wie sie beispielsweise
(EISENBEISS et al. 2004), (JACOBSEN 2006), (BALTSAVIAS et al. 2006) oder
1 CE90 = Circular Error mit 90% Wahrscheinlichkeit
2 Theoretische Grundlagen und Stand der Forschung 15
(FRASER et al. 2006) durchgeführt haben, zeigen jedoch, dass derartige Genauigkei-
ten durchaus erzielt werden können.
(GRODECKI, DIAL 2001, 2003) und (FRASER et al. 2006) machen deutlich, dass die
beste Methode zur Orthorektifizierung von IKONOS- Daten die Verwendung eines RPC
(Rational Polynomial Coefficient) Kamera Modells in Verbindung mit GCP’s ist. Die
Genauigkeit hängt dabei nur bedingt von der Anzahl der verwendeten Passpunkte ab.
Bei einer Verwendung von ein bis sechs GCP’s ist, mit steigender Anzahl der Pass-
punkte durchaus auch eine Genauigkeitssteigerung verbunden, eine größere Zahl von
GCP’s bringt allerdings keine wesentliche Verbesserung.
Auch (JACOBSEN 2002, 2005) und (BALTSAVIAS et al. 2006) kommen bei ihren
Untersuchungen zu dem Schluss, dass die Anzahl der verwendeten GCP’s von unter-
geordneter Bedeutung ist, da das Hauptproblem weniger in der inneren Genauigkeit
der Satellitendaten, als vielmehr in der exakten Definition der Passpunktlage besteht.
Nach (JACOBSEN 2002, 2005) reichen ein bis zwei GCP’s für die Georeferenzierung
völlig aus. Die Untersuchungen von (EISENBEISS et al. 2004) hingegen ergaben, dass
gerade bei bergigem Gelände eine größere Anzahl gut verteilter Passpunkte durchaus
einen Einfluss auf die erreichbare Genauigkeit hat. Möchte man nicht nur ein einzelnes
Satellitenbild sondern einen ganzen Block orthorektifizieren, so empfiehlt es sich, zu-
sätzlich zu den GCP’s Verknüpfungspunkte (tie points) zu messen, was sowohl auto-
matisch, als auch halbautomatisch oder manuell erfolgen kann (BALTSAVIAS et al.
2006).
Grundsätzlich sollte man bei der Auswahl der GCP’s berücksichtigen, dass diese gut
identifizierbar und gleichmäßig verteilt sind, sowie typische Landschaftsformen und
Nutzungsarten einbeziehen. Als GCP’s eignen sich dabei besonders symmetrische
Objekte oder Linienkreuzungen (BALTSAVIAS et al. 2001), (JACOBSEN 2005). Die
Genauigkeit der GCP’s sollte, in Anbetracht des Potentials der IKONOS- Daten im Be-
reich von 1 – 2dm liegen, was bei einer Bestimmung mit GPS durchaus realistisch ist
(BALTSAVIAS et al. 2001).
Neben den GCP’s hat auch das verwendete DGM, insbesondere bei sehr bewegtem
Gelände, einen Einfluss auf die Orthorektifizierung, da sich Fehler im DGM bzw. in der
Referenzhöhe als Lagefehler auswirken, wie aus Abb. 5 hervorgeht. Der Lagefehler ∆L
ist dabei abhängig von der Höhendifferenz ∆h zwischen Gelände und Bezugsfläche
und dem lokalen Nadirwinkel αL (siehe Formel 2.2-1). Die Differenz zwischen dem Be-
obachtungswinkel α und dem lokalen Nadirwinkel αL resultiert aus der Erdkrümmung;
in der Ebene gilt genähert α ≈ αL.
2 Theoretische Grundlagen und Stand der Forschung 16
Abb. 5: Einfluss der Referenzhöhe auf die Lagegenau igkeit [nach (JACOBSEN 2002)]
Mit einer Genauigkeit der GCP’s von 1 – 2dm, einer typischen Sensorelevation größer
65 Grad und einem genauen Geländemodell (im Bereich von 1 - 2m) erreichten
(BALTSAVIAS et al. 2001) und (EISENBEISS et al. 2004) bei der Orthorektifizierung
Genauigkeiten im Submeterbereich. Steht kein gutes DGM zur Verfügung, so besteht
eine Möglichkeit in der Verwendung von Stereosatellitenbildern. Die daraus abgeleite-
ten Geländemodelle weisen in offenem Gelände ebenfalls Genauigkeiten im Bereich
von 1m auf, wie z.B. aus (BALTSAVIAS et al. 2006) hervorgeht.
Die Genauigkeit der Orthorektifizierung ist die eine Seite, die sich anschließende Frage
ist, wie genau können Vektordaten aus den Ortho- Satellitenbildern extrahiert werden.
Es gibt hierzu bereits eine Reihe von Untersuchungen insbesondere bezüglich der 3D-
Punktbestimmung aus Stereosatellitendaten, wie beispielsweise von (BALTSAVIAS et
al. 2001) oder (JACOBSEN 2002). Hier wird deutlich, dass ein wesentliches Problem
bei der Datenerfassung in der Objekterkennbarkeit und –verifizierung besteht. Diese
wird stark beeinflusst von der Qualität des Bildes. Insbesondere Kontrastunterschiede,
aber auch Schatten, Wolken, Artefakte und ähnliches spielen dabei eine Rolle. Jacob-
sen stellte fest, dass infolge des schwächeren Kontrastes in den Satellitenbildern ge-
genüber Luftbildern deutlich weniger Objekte identifizierbar sind. Bei den von Baltsa-
vias et al. durchgeführten Tests konnten so ca. 15% der Gebäude nicht bzw. nur
unvollständig oder fehlerhaft modelliert werden. Die Objekterkennbarkeit kann aller-
dings durch eine Kombination der panchromatischen mit den Multispektraldaten etwas
verbessert werden (JACOBSEN 2006).
∆h
Projektionszentrum Orbit
Bezugsfläche
h
∆L
α
Gelände
∆L = ∆h tanαL ≈ ∆h tanα
αL
(2.2-1)
2 Theoretische Grundlagen und Stand der Forschung 17
Neben der Stereoauswertung von Satellitenbildern besteht eine weitere Möglichkeit zur
3D- Datenerfassung in der Anwendung des Monoplotting- Verfahrens. Hierbei werden
die Lagekoordinaten im orthorektifizierten Bild gemessen, die Höhe wird aus dem DGM
übernommen. Wie die Untersuchungen von (WILLNEFF et al. 2005) zeigen, sind für
die Einzelpunktbestimmung im Monoplotting- Verfahren durchaus Genauigkeiten im
Subpixelbereich erzielbar, zumindest wenn es sich um gut identifizierbare Objekte, wie
beispielsweise Straßenkreuzungen und Verkehrskreisel handelt.
Im Vergleich zu den manuellen Methoden ist die automatische Objektextraktion sicher-
lich das effizientere Verfahren zur großflächigen Datenerfassung aus Satellitenbildern.
Mit Hilfe entsprechender Bildsegmentierungs- oder Klassifikationsverfahren lassen sich
so beispielsweise Gebäudedaten für 3D- Stadtmodelle ableiten (MOSCH 2005) oder
Aufgaben im Bereich der Landschaftsplanung und –ökologie bewältigen (NEUBERT
2006). Neubert erreichte bei seinen Tests am Beispiel der Untersuchungsgebiete Dres-
den und Sächsische Schweiz eine Klassifikationsgüte im Bereich von 84 -90%. Dabei
war die Qualität der Segmentierung insbesondere bei kontrastreichen Übergängen und
farblich homogenen Objekten besonders gut, während es bei einer breiten Streuung
der Reflexionswerte innerhalb eines Objekttyps zu Fehlern in der Segmentierung kam.
Da es sich bei dem im Rahmen dieser Arbeit zu untersuchenden Gebiet um eine
Steinwüste, also um einen relativ homogenen Objekttyp handelt und sich die für die
Datenerfassung interessanten Objekte lediglich durch geringe Kontrastunterschiede
hervorheben, erscheinen die Methoden der Segmentierung und Klassifizierung hier
wenig erfolgversprechend und sie sollen daher im weiteren Verlauf der Arbeit keine
Berücksichtigung finden.
2.3 Digitale Geländemodelle
Die Arbeitsgemeinschaft der Vermessungsverwaltungen der Länder der Bundesrepu-
blik Deutschland (ADV 2004) definierte das digitale Geländemodell, engl. digital terrain
model (DTM), als einen „Datenbestand zur höhenmäßigen Beschreibung des Gelän-
des. Er besteht aus regelmäßig oder unregelmäßig verteilten Geländepunkten, die die
Höhenstruktur des Geländes hinreichend repräsentieren – optional ergänzt durch mor-
phologische Strukturelemente...“ Nach DIN 18709-1 Nr. 11.3.5.3 besteht das DGM aus
Höhenpunkten des digitalen Höhenmodells (DHM), engl. digital elevation model (DEM),
ergänzt durch zusätzlich Angaben, wie z.B. Geländekanten oder markante Höhen-
punkte. Das DHM wiederum ist die „Menge aller digital gespeicherten Höhen von
regelmäßig oder unregelmäßig verteilten Geländepunkten, die die Höhenstruktur eines
2 Theoretische Grundlagen und Stand der Forschung 18
Objektes z.B. des Geländes hinreichend repräsentieren.“ (DIN 18709-1 Nr. 11.3.5.1)
Wobei unter Gelände die „Grenzfläche zwischen der festen Erde und der Luft bzw.
dem Wasser“ (DIN 18709-1 Nr. 11.1.1) zu verstehen ist. Im Unterschied zum DGM
dient ein digitales Oberflächenmodell (DOM), engl. digital surface model (DSM) der
„höhenmäßigen Beschreibung einer Oberfläche, die aus Vegetation, Bebauung und
Gelände gebildet wird“ (ADV 2004).
Man unterscheidet grundsätzlich zwischen Raster- und Vektormodellen. Beim Raster-
modell wird das Gelände durch regelmäßig angeordnete Rasterzellen oder Pixel,
denen als Grauwert der jeweilige Höhenwert zugeordnet ist, wiedergegeben. Das
Vektormodell dagegen baut auf den diskreten Elementen Punkte, Linien, Flächen auf.
Bei den Punkten handelt es sich um dreidimensionale Koordinaten (X, Y, Z) ausge-
wählter Geländepunkte, die sowohl regelmäßig als auch unregelmäßig verteilt sein
können. Linienmodelle entstehen beispielsweise durch die Erfassung von Iso- oder
Höhenlinien. Ein typisches Flächenmodell ist das TIN (triangulated irregular network),
welches durch eine Dreiecksvermaschung regelmäßig oder unregelmäßig angeordne-
ter Punkten entsteht. (KRAUS 2000) und (BARTELME 2005) beschäftigen sich
ausführlich mit diesem Thema.
Die Qualität eines DGM ist im Wesentlichen abhängig von der Dichte und Verteilung
der Punkte, ihrer geometrischen Genauigkeit, der Qualität der Erfassung der geomor-
phologischen Merkmale des Geländes, sowie der verwendeten Interpolationsmethode.
Zu den geomorphologischen Eigenschaften gehören die Geländehöhe, die Neigung,
die Exposition und die Wölbung. Dabei versteht man unter:
• der Höhe (engl. Elevation)…den geometrischen Abstand eines Punktes von
einer Bezugsfläche.
• Die Neigung (engl. Slope)…ist der Winkel unter dem die Falllinie des Gelän-
des gegen die Horizontale geneigt ist. Der Wert der Neigung ist immer positiv
und liegt zwischen 0° und 90°. Mitunter wird die Ge ländeneigung auch in Pro-
zent angegeben.
• Die Exposition (engl. Aspect)…gibt die Ausrichtung der geneigten Fläche an.
Sie entspricht somit dem Azimut der Falllinie des Geländes und kann einen
Wert zwischen 0° und 360° annehmen.
• Die Wölbung (engl. Convexity)…setzt sich aus zwei Komponenten zusam-
men, der Wölbung bezüglich der Ebene und der Wölbung im Profil, die jeweils
plan, konkav oder konvex sein können.
2 Theoretische Grundlagen und Stand der Forschung 19
Eine unregelmäßige Anordnung der Punkte eines DGM, bei der Gerippelinien oder
Bruchkanten, zur Charakterisierung kritischer Bereiche wie z.B. Rücken oder Mulden
einbezogen werden, ermöglicht logischerweise eine bessere Abbildung der geomor-
phologischen Eigenschaften des Geländes als eine regelmäßige Punktanordnung.
Da das Ziel eines DGM in einer kontinuierlichen Beschreibung der Geländeoberfläche
besteht, ist es notwendig, die fehlenden Höheninformationen aus den diskreten (Stütz-)
Punkten mithilfe entsprechender Interpolationsalgorithmen zu schätzen. Hierfür stehen
unterschiedliche Verfahren zur Verfügung. Als Beispiele seien die Inverse Distanzge-
wichtung (IDW), die Methode der kleinsten Quadrate, die Verwendung von Splines
oder das Kriging- Verfahren genannt (MAUNE 2007 S. 9 ff). Weiterführende Informatio-
nen zu Interpolationsalgorithmen finden sich auch bei (KRAUS 2000).
Digitale Geländemodelle können auf unterschiedliche Art und Weise erstellt werden.
Die Art der Erfassung hängt dabei sowohl von den technischen Möglichkeiten, als auch
vom verfügbaren Datenmaterial und natürlich von den notwendigen Anforderungen an
das DGM ab. Im Folgenden sollen die im Rahmen der Arbeit verwendeten Erfas-
sungsmethoden kurz vorgestellt werden.
2.3.1 Digitale Geländemodelle aus topographischen K arten
Neben der tachymetrischen Aufnahme war in der Vergangenheit die Digitalisierung von
Höhenlinien (Isohypsen) aus Karten eine der am weitesten verbreiteten Methoden zur
Erzeugung eines DGM, da die Erfassung vergleichsweise schnell und einfach möglich
ist und die Kartengrundlagen meist in relativ guter Qualität vorhanden sind.
Ein Problem der aus Höhenlinien abgeleiteten Geländemodelle besteht in der inhomo-
genen Verteilung der digitalisierten Punkte. In wenig bewegtem Gelände sind die
Punktabstände sehr groß, in stark bewegten Gebieten hingegen sehr gering. Die Er-
gebnisse der Interpolation sind somit sehr stark abhängig von der Äquidistanz der Iso-
hypsen und der Punktdichte. Auf die Genauigkeit des resultierenden DGM wirken sich
zudem die Digitalisiergenauigkeit und die Qualität der zugrunde liegenden Karten aus.
Dabei spielen neben der Aktualität der Karten insbesondere das verwendete Aufnah-
meverfahren, der Maßstab, die aus der Generalisierung und Interpolation der Höhen-
linien resultierenden Ungenauigkeiten und der Papierverzug der Karte eine wichtige
Rolle.
2 Theoretische Grundlagen und Stand der Forschung 20
2.3.2 Digitale Geländemodelle aus photogrammetrisch er Stereoauswertung
Eine ebenfalls häufig verwendete und sehr genaue Methode zur DGM- Erzeugung ist
die photogrammetrische Stereoauswertung. Voraussetzung ist, dass Stereobildpaare
vom entsprechenden Gebiet vorliegen. Hierbei kommen neben Luftbildern in jüngster
Zeit auch Stereosatellitenbilder erfolgreich zum Einsatz. Außerdem wird das bislang
sehr zeitaufwändige Verfahren der manuellen Auswertung der Stereobilddaten, infolge
des Übergangs von der analogen zur digitalen Photogrammetrie, zunehmend durch
halbautomatische und automatische Auswerteverfahren abgelöst. Dabei werden mit
Hilfe entsprechender Korrelationsalgorithmen die korrespondierenden Bildstellen in
den beiden Bildern eines Stereobildpaares automatisch zugeordnet. (KRAUS 2004)
Die Genauigkeit eines durch photogrammetrische Auswertung gewonnenen DGM ist
abhängig von der Flughöhe über Grund hg, der Kammerkonstante c und der Gelände-
neigung αg und berechnet sich nach (KRAUS 2004, S. 359) wie folgt:
⋅+±= ggg tanαhc
0.15 h von ‰0.15Hσ (2.3-1)
Die Qualität des DGM wird zudem beeinflusst von der Aufnahmequalität der Bilder
(z.B. Textur, Wolkenbedeckung, Dunst), vom Auflösungsvermögen, vom Relief und der
Landnutzung (Bebauung, Vegetation) sowie von der Genauigkeit der Bildorientierung.
Untersuchungen zur automatischen DGM- Generierung zeigen, dass derzeit eine voll-
automatische Auswertung, ohne interaktives Eingreifen noch zu Lasten der Qualität
geht und einen Informationsverlust zur Folge hat. Insbesondere bei schlechtem bzw.
schwach texturiertem Bildmaterial lässt die automatische Auswertung noch sehr zu
wünschen übrig. So kam (SAUERBIER 2004) bei der Auswertung von 26 Luftbildern
des Nasca- Blocks zu dem Ergebnis, dass eine automatische DGM- Generierung mit
der vorhandenen kommerziellen Software keine befriedigenden Ergebnisse liefert. Er
stellte fest, dass nur mit aufwändigen Editierungen des Datenmaterials und zusätz-
lichen manuellen Messungen Genauigkeiten im Bereich der manuellen Stereoauswer-
tung erzielt werden konnten. Eine Ausnahme bildeten hierbei die ebenen Gebiete, in
denen die automatische DGM- Generierung teilweise bessere Ergebnisse als die
manuelle Messung lieferte. Grund dafür ist die deutlich größere Punktdichte beim
automatischen Verfahren. Im Vergleich zu kommerziellen Softwareprodukten konnte
(SAUERBIER 2006) mit der an der ETH Zürich entwickelten Software SAT-PP deutlich
bessere Resultate bei der automatischen DGM- Generierung erzielen, allerdings reicht
2 Theoretische Grundlagen und Stand der Forschung 21
die Genauigkeit auch hier noch nicht an die der manuellen Auswertung heran. Eine
halbautomatische Methode ist daher die sinnvollste Variante zur DGM- Generierung.
2.3.3 Digitale Geländemodelle aus SRTM- Daten
Ein Problem der bislang genannten Verfahren besteht darin, dass die Daten häufig
nicht flächendeckend zur Verfügung stehen und die Datenerfassung zudem recht zeit-
aufwändig ist. Neue Methoden, wie Laserscanning oder Radarinterferometrie liefern
hingegen Oberflächenmodelle in hoher und vor allem homogener Qualität, die zudem
große Bereiche der Erdoberfläche abdecken. Ein Beispiel dafür sind die Ergebnisse
der Shuttle Radar Topography Mission (SRTM).
2.3.3.1 Technische Daten
Am 11. Februar 2000 startete die 11-tägige Shuttle Radar Topography Mission als ein
Gemeinschaftsprojekt von NASA (National Aeronautics and Space Administration),
NIMA (National Imagery and Mapping Agency, jetzt NGA), DLR (Deutsches Zentrum
für Luft- und Raumfahrt) und ASI (Agenzia Spaziale Italiana), mit dem Ziel, ein globales
digitales Geländemodell zu erstellen. Aus einer Flughöhe von 233 km wurden insge-
samt über 80% der Erdoberfläche zwischen 60° nördli cher und 56° südlicher Breite
mittels Interferometric Synthetic Aperture Radar (InSAR), einem aktiven Mikrowellen-
abbildungsverfahren, aufgenommen. Ähnlich dem optischen Stereoverfahren benötigt
man auch für die Interferometrie jeweils zwei Aufnahmen von verschiedenen Positio-
nen. Diese interferometrische Basislinie wurde durch einen 60m langen Auslegermast
realisiert. Für die Aufnahme kamen zwei simultan arbeitende Antennenpaare (C-Band
und X-Band), bestehend aus jeweils einer Masterantenne (transmit and receive) in der
Ladebucht des Shuttles sowie einer Slave- Antenne (receive-only) am Ende des Ausle-
germastes, zum Einsatz. An der Masterantenne befand sich außerdem eine Messvor-
richtung zur Bestimmung der räumlichen Lage und Ausrichtung des Shuttles. Zur Be-
stimmung der absoluten Lage und der Orientierungs- und Positionsänderungen nutzte
man GPS und INS (Inertiales Navigationssystem).
Der Grundgedanke zur Bestimmung eines DGM mittels Radarmessungen lässt sich
relativ einfach anhand von Abb. 6 erläutern. Die Methode wird, analog zur Photogram-
metrie, als „Stereo SAR Radargrammetrie“ bezeichnet und gilt streng genommen für
sehr große Basislängen.
2 Theoretische Grundlagen und Stand der Forschung 22
2 Theoretische Grundlagen und Stand der Forschung 26
renden Signals ist hier sehr gering, da die Wasseroberfläche das auftreffende Signal
nahezu völlig spiegelnd reflektiert. Aber auch in bewegtem Gelände treten Probleme
(vgl. Abb. 8) in Form von Layover, Shadow und Foreshortening auf (SEFERCIK,
JACOBSEN 2006).
Abb. 8: Einfluss des Reliefs [nach (ALBERTZ 2001, S . 80)]
Infolge der Aufnahmegeometrie werden Punkte, die sich in der Bezugsebene befinden,
lagerichtig abgebildet, während höher gelegene Punkte in Richtung des Sensors ver-
setzt erscheinen. Bei den dem Sensor zugewandten Geländeflächen tritt dabei eine
Verkürzung (engl.: Foreshortening) auf. Ist das Gelände stärker geneigt als die Radar-
wellenfront, bzw. größer als der Beobachtungswinkel, so geht die Verkürzung in eine
Umklappung (engl.: Layover) über. Sind von der Antenne abgewandte Geländeflächen
stärker geneigt als die Radarwellenfront, bzw. ist die Geländeneigung größer als der
Depressionswinkel, so entstehen sogenannte Radarschatten (engl. Radar shadow),
also informationslose dunkle Bereiche im Radarbild (DIN 18716-3 Nr. 5.6.10-12). (vgl.
hierzu auch (ALBERTZ 2001, S. 79-82) und (LILLESAND, KIEFER 2000, S. 632-634))
Beim Vergleich der Daten des X-Bandes mit denen des C-Bandes kommt (JACOBSEN
2004) zu dem Ergebnis, dass, infolge der größeren Streifenbreite des C-Bandes, der
Layover- Effekt hier bereits bei einer Geländeneigung von 30° einsetzt, wohingegen
das Layover beim X-Band erst bei ca. 50° anfängt. D ies führte letztlich dazu, dass im
C-Band ein größerer Anteil grober Fehler beobachtet werden konnte. Außerdem stellt
Jacobsen eine klare Abhängigkeit der Höhengenauigkeit von der Geländeneigung fest.
2 Theoretische Grundlagen und Stand der Forschung 27
In den C-Band (3“) Daten äußern sich diese Problemflächen in Form von Lücken im
DGM. Diese Lücken oder Fehlpixel sind durch den Grauwert -32768 leicht erkennbar.
Globale Statistiken des JPL sprechen von ca. 0.15% Lücken in den SRTM- Daten,
allerdings können es regional auch deutlich mehr sein, so z.B. in Nepal, wo etwa 30%
des gesamten Gebietes betroffen sind. Insgesamt ist eine Abhängigkeit zwischen Ge-
ländeneigung und Anteil der Lücken zu beobachten. So kamen (HALL et al. 2005) zum
Ergebnis, dass bei Höhen über 2500m, einer Geländeneigung zwischen 20° und 65°
sowie großer Rauhigkeit des Geländes ein deutlicher Anstieg der Fehlpixel zu beo-
bachten ist. Allerdings werden etwa 49% aller Lücken durch Wasserflächen verursacht.
Die Beseitigung der Fehlpixel erfolgt in den meisten Fällen durch Interpolation, was bei
kleinen Flächen oder einzelnen Pixeln durchaus gute Ergebnissen liefert. Bei großen
Lücken, insbesondere in bergigem Gelände, führt dies jedoch zu groben Fehlern. Da-
her ist es in diesen Gebieten sinnvoll, andere Höhendaten zum Füllen der Lücken hin-
zuzuziehen (DENKER 2005). Eine Bewertung der verfügbaren Tools und
Interpolationsalgorithmen zur Beseitigung von Lücken findet man beispielsweise bei
(GAMACHE 2004). Gamache stellt außerdem fest, dass gerade im Randbereich
größerer Lücken Fehler im Datenmaterial auftreten und empfiehlt daher, die Randpixel
zu beseitigen, bevor die Lücken mit Höhendaten aus sekundärem Datenmaterial gefüllt
werden.
Ein weiteres von (JACOBSEN 2004) angesprochenes Problem besteht in mitunter auf-
tretenden Lageverschiebungen, hervorgerufen durch die direkte Sensororientierung
oder auch durch Datumsprobleme. Er empfiehlt daher eine Lageüberprüfung der Ge-
ländemodelle.
(HOFFMANN, WALTER 2006) verglichen Daten des C- und des X-Bandes (Auflösung
jeweils 1“x1“) aus unterschiedlichen Testgebieten hinsichtlich Lage- und Höhengenau-
igkeit, Vollständigkeit und Komplementarität.
Abb. 9: Höhendifferenz zwischen C- und X-Band [Quel le: (HOFFMANN, WALTER 2006)]
2 Theoretische Grundlagen und Stand der Forschung 28
Bei diesen Tests wurde kein horizontaler, wohl aber ein vertikaler Offset, der in Ab-
hängigkeit von der geographische Lage des Testgebietes unterschiedlich groß ausfiel
(vgl. Abb. 9), aufgedeckt. So wies das C-Band im Testgebiet Südamerika etwa 10m
höhere Werte als das X-Band auf. Im Testgebiet Deutschland standen zusätzlich GPS-
gemessene Punkte zum Vergleich mit den Daten des C-/X-Bandes zur Verfügung.
Hoffmann und Walter kamen hier zu dem Ergebnis, dass bei 90% der Werte die Hö-
hendifferenzen zwischen C/X-Band DEM und GPS kleiner als 5m waren. Die Stan-
dardabweichung beider Datensätze lag in diesem Gebiet bei ≈4m. Ähnliche Ergebnisse
erzielten auch (KOCH et al. 2002), die bei der Untersuchung von X-Band- Daten im
Raum Hannover im offenen Gelände zu einer Standardabweichung von 3.3m, einer
maximalen horizontalen Verschiebung von 4-6m und einem systematischen Höhen-
fehler von +2.3m kamen.
(BERRY et al. 2007) validierten die global verfügbaren SRTM-3 Daten unter Verwen-
dung von ERS-1 und ENVISAT- Daten. Für Südamerika erhielten sie eine mittlere Dif-
ferenz von 12.22 m bei einer Standardabweichung der Differenzen von 18.51 m. Dabei
waren die SRTM- Daten fast überall höher als die Referenzdaten, was die Vermutung
nahe legte, dass die ausgedehnten Waldflächen des Amazonas- Gebietes ausschlag-
gebend für diese großen Abweichungen sind.
Wie bereits erwähnt, nimmt das InSAR im Prinzip ein Oberflächenmodell auf, was dazu
führt, dass es insbesondere in bewaldeten und bebauten Flächen zu Höhenfehlern im
Vergleich zum DGM kommt. (JACOBSEN 2004) zeigt in seinen Untersuchungen am
Beispiel von Forstflächen in einem Testgebiet in der Türkei, dass bei einer durch-
schnittlichen Baumhöhe von 10m ein systematischer Höhenfehler in den SRTM- Daten
von ca. 8m auftritt. Bei seinen Untersuchungen von SRTM-3 Daten im ebenen Gelände
kommt Jacobsen ebenfalls zu einer mittleren Genauigkeit kleiner ±5m unter der Vor-
aussetzung, dass zuvor eventuell vorhandene Lageverschiebungen korrigiert werden.
Dennoch treten auch im ebenen Gelände bei einem nicht unerheblichen Anteil der
Höhen Differenzen größer als 50m auf. (DENKER 2005) kommt bei seinen Vergleichen
sogar zu noch größeren maximalen Höhendifferenzen, wobei er eine Ursache hierfür in
der unterschiedlichen Aufnahmeepoche von SRTM- und Referenzdaten vermutet.
Zusammenfassend lässt sich somit feststellen, dass die Genauigkeit der SRTM- Daten
sowohl von der Sensorgeometrie, als auch von den Eigenschaften des Geländes wie
Geländeneigung, Rauhigkeit und Material, sowie vom Signal-Rausch-Verhältnis ab-
hängt. Die seitliche Beleuchtung infolge des schrägen Blickwinkels führt dabei zu un-
erwünschten Phänomenen, wie Verkürzung, Umklappung oder Abschattung.
3 Ausgangsmaterial 29
3 Ausgangsmaterial
3.1 Das Untersuchungsgebiet
Das Untersuchungsgebiet der Pampa von Nasca und Palpa liegt etwa 450km südlich
der peruanischen Hauptstadt Lima in der Provinz Ica, am Rande der Atacama- Wüste
zwischen der Pazifikküste im Westen und den Ausläufern der Anden im Osten. Mit
jährlichen Niederschlagsmengen von nur wenigen Millimetern gehört diese Steinwüste
an der Westküste Südamerikas zu den trockensten Regionen der Erde. Während der
Regenzeit in den Anden führen die Flüsse teilweise Wasser und ermöglichen somit ein
Leben in der Wüste. Die präkolumbische Nasca- Kultur, die sich zwischen 200 v. Chr.
und etwa 800 n. Chr. in den Täler des Río Grande und seiner Nebenflüsse entfaltete,
hinterließ ihre Spuren in der Pampa von Nasca und Palpa in Form von sogenannten
Geoglyphen (Bodenzeichnungen), welche infolge der besonderen klimatischen Situa-
tion in der Wüste bis heute erhalten blieben.
Abb. 10: Lage des Gebietes [Datenquellen: World Bas emap 6, Landsat ETM+ 7, GTOPO308] 6 http://arcdata.esri.com/data_downloader/DataDownloader?part=10200 (02.05.2007) 7 http://edcsns17.cr.usgs.gov/EarthExplorer/ (02.05.2007) 8 http://edc.usgs.gov/products/elevation/gtopo30/gtopo30.html (02.05.2007)
3 Ausgangsmaterial 30
Innerhalb der Pampa von Nasca und Palpa lassen sich mehrere Regionen mit teilweise
unterschiedlichen Arten von Bodenzeichnungen ausmachen. Während sich die be-
kannteren Linien und Figuren der „Pampa de Nasca“ auf einem Wüstenplateau nörd-
lich des Río Nasca bis hin zum Tal des Río Ingenio (vgl. Abb. 10) auf mehreren hun-
dert Quadratkilometern erstrecken, befinden sich nördlich des Ingenio- Tales bis hin
nach Palpa, sowie südlich des Río Nasca mehrere kleine Gebiete mit Flächen und
Figuren, die häufig an Berghängen, bzw. am Fuße oder auf dem Gipfel der Berge zu
finden sind. Im Gegensatz zu den in der Pampa von Nasca befindlichen Geoglyphen,
welche vom Boden aus nahezu unsichtbar sind, können die Zeichnungen in den
Bergen oft auch vom Boden oder den umliegenden Hügeln aus betrachtet werden.
Vermutlich stammen viele dieser Geoglyphen in Palpa und im Ingenio- Tal bereits aus
der vorangegangenen Paracas- Zeit (ca. 800 – 200 v. Chr.).
Das im Rahmen dieser Arbeit zu untersuchende Gebiet beschränkt sich auf die Pampa
von Nasca, da einerseits nur für dieses Gebiet IKONOS- Satellitendaten existieren und
andererseits die für die astronomischen Untersuchungen relevanten Linien und
Flächen vorwiegend in dieser Region zu finden sind.
3.2 Passpunkte
Eine Grundvoraussetzung für die Orthorektifizierung von Satellitendaten und die Aero-
triangulation von Luftbildern sind möglichst genaue Passpunkte (GCP’s). Um diese zu
bestimmen, fand im Sommer 2004 eine 4-wöchige Messkampagne in der Pampa von
Nasca mit 18 Teilnehmern aus Deutschland, Tschechien und Peru statt. Die Firma
Leica Geosystems stellte dafür 6 GPS- Empfänger des Systems 1200 zur Verfügung.
Das Ziel der Messkampagne bestand in erster Linie in der Bestimmung der Pass-
punkte, daneben wurden auch ausgewählte Figuren und für astronomische Untersu-
chungen relevante, lange Linien (> 3km) bestimmt.
Für die Durchführung von Messungen im Weltkulturerbe Nasca/Palpa ist eine Geneh-
migung zum Betreten der Pampa erforderlich, welche in begründeten Ausnahmefällen
vom INC, dem Instituto Nacional de Cultura, in Lima erteilt wird. Eine solche Genehmi-
gung beschränkt sich auf ein bereits im Antrag zu spezifizierendes Messungsgebiet, ist
zeitlich begrenzt und wird für konkret benannte Personen unter strengen Auflagen er-
teilt. Das Messungsgebiet 2004 war begrenzt auf das Gebiet, für welches zum damali-
gen Zeitpunkt IKONOS- Daten vorlagen.
Um auf dem mehrere hundert Quadratkilometer umfassenden Wüstenplateau die Ori-
entierung nicht zu verlieren, wurden im Vorfeld geeignete Konturenpasspunkte in den
3 Ausgangsmaterial 31
Luft- und Satellitenbildern definiert, mit Näherungskoordinaten versehen und in Form
von detaillierten Passpunktbeschreibungen für die Feldkampagne aufbereitet. Auf die-
ser Grundlage erfolgte mit Hilfe von GPS die Suche der Punkte im Gelände. Schwierig
gestaltete sich mitunter die Verifizierung der im Bild gut sichtbaren Passpunkte in der
Örtlichkeit. Ließ sich keine Übereinstimmung zwischen Bild und Gelände herstellen, so
mussten Punkte weggelassen bzw. Ersatzpunkte an anderer Stelle definiert werden.
Als primäre Messmethode kam das RTK (Real Time Kinematik)- Verfahren zum Ein-
satz, da hierzu eine Beobachtungsdauer von einigen Sekunden ausreicht und gleich-
zeitig cm- Genauigkeiten erreichbar sind. Voraussetzung zur Anwendung der RTK-
Methode ist allerdings die Verfügbarkeit mindestens einer Referenzstation sowie die
Gewährleistung einer Kommunikation zwischen Referenz und Rover. Die Reichweite
der verfügbaren Funkverbindung lag bei durchschnittlich 10km, was bedeutete, dass
mehrere Referenzstationen zur Abdeckung des Messungsgebietes notwendig waren.
Da im Messungsgebiet keine vertrauenswürdigen Passpunkte vorlagen, wurde zu Be-
ginn der Messung ein Netz aus fünf Festpunkten entlang der Panamericana, sowie
einer Basisreferenzstation in Nasca (BASISREF) vermarkt und über statische GPS-
Messung bestimmt. Zur Kontrolle des Anschlusses an das Netz der peruanischen Lan-
desvermessung diente ein Punkt des peruanischen Festpunktfeldes (Ordnung „A“) in
Marcona- Nord, ca. 115km südlich der BASISREF, dessen Bestimmung ebenfalls über
statische Messung erfolgte. Punktbeschreibung und Koordinaten dieses Punktes stellte
das Instituto Geográfico Nacional (IGN) zur Verfügung. Zur Berechnung der Referenz-
stationen wurden vier Permanentstationen herangezogen (vgl. Tab. 4).
Permanentstation Entfernung zur BASISREF Arequipa/Peru ≈ 411 km Lima (Química Suiza)/Peru ≈ 378 km Bogota/Kolumbien ≈ 2146 km Santiago de Chile/Chile ≈ 2065 km
Tab. 4: Entfernung der Permanentstationen
Jede der Referenzstationen war im Laufe der 4-wöchigen Messkampagne mehrfach
besetzt. Die Auswertung der einzelnen Sessionen wurde tageweise vorgenommen und
die Resultate anschließend gemittelt. Der zum Zeitpunkt der Messung verwendete Be-
zugsrahmen war das ITRF2000, zur gemittelten Epoche 2004,665. Im Ergebnis konn-
ten für die Bestimmung der Referenzstationen im Messungsgebiet Standardabwei-
chungen ≤1cm sowohl in der Lage als auch in der Höhe erreicht werden (vgl. Tab. 5).
Die absolute Genauigkeit liegt, infolge der Länge der Basislinien, im Bereich von ca.
15cm. (PANTZER 2005)
3 Ausgangsmaterial 32
Punkt- Nr. σX in cm σY in cm σZ in cm BASISREF 0.55 0.78 0.31 HILLX-REF 0.61 0.76 0.75 REF-1 0.30 0.96 0.46 REF-2 0.08 0.30 0.45 REF-3 0.08 0.10 0.28 REF-4 0.12 0.43 0.16 MARCONA 0.03 0.04 0.02
Tab. 5: Standardabweichungen der Referenzstationen [Quelle: (PANTZER 2005)]
Ein Vergleich der 1996 vom IGN bestimmten ITRF94/EGM96- Koordinaten des Fest-
punktes Marcona- Nord mit den ebenfalls ins ITRF94/EGM96 transformierten Koordi-
naten aus der Messung 2004 ergab eine Lagedifferenz von 0.616m und eine Höhen-
differenz von 0.885m. Ob sich, wie vom IGN vermutet, die Auswirkungen des Erdbe-
bens von 1996 in diesem Resultat widerspiegeln, konnte bislang nicht geklärt werden.
Eine zusätzliche Koordinatenliste des IGN mit Festpunkten niederer Ordnung aus dem
Jahre 1996 diente dazu, weitere bekannte Punkte im Messungsgebiet aufzusuchen.
Von den insgesamt 9 Festpunkten konnten vier eindeutig identifizierbare Punkte ge-
funden und mittels RTK bestimmt werden. Die Punkte waren durch Betonpfeiler mit
Marke, welche auch die Punktnummer enthält, vermarkt (vgl. Abb. 11 rechts). Der
Koordinatenvergleich ergab Lagedifferenzen bis 25m und Höhendifferenzen bis zu
28m, weshalb die Punkte als Anschlusspunkte nicht verwendbar waren.
Die RMSE- Werte berechnen sich aus den Residuen aller verwendeten Punkte in x-, y-
und z- Richtung, wobei Pi(xi, yi, zi) die Ausgangskoordinaten der Punkte und Pi’(xi’, yi’,
zi’) die Koordinaten der transformierten Punkte sind (vgl. auch LEICA GEOSYSTEMS
2005). Bei Betrachtung der Bildkoordinaten entfällt selbstverständlich die z- Koordi-
nate. Die Formeln zur Berechnung der RMSE- Werte lauten:
( ) ( ) ( )n
zz)z(RMS
n
yy)y(RMS
n
xx)x(RMS
n
1i
2ii
n
1i
2ii
n
1i
2ii ∑ −′
=∑ −′
=∑ −′
= === (5.2-1)
222 )z(RMS)y(RMS)x(RMSRMSEGesamt ++= (5.2-2)
5 Vorgehensweise und Durchführung 53
Eine Überlagerung der transformierten Vektordaten des NascaGIS mit ausgewählten
Stereomodellen ergab eine sehr gute Übereinstimmung; eine durchgängige Kontrolle
muss aus Zeitgründen allerdings zu einem späteren Zeitpunkt stattfinden.
5.2.2 Automatische DGM- Generierung
Nach erfolgter Aerotriangulation konnte mit der Erstellung des DGM begonnen werden.
LPS bietet hierfür die Möglichkeit einer automatischen DGM- Generierung, wobei für
einzelne Gebiete mit unterschiedlicher Geländeneigung, Bebauung und Vegetation
verschiedene Strategien definierbar sind. Bei eingehender Betrachtung des von den
Luftbildern abgedeckten Gebietes lässt sich feststellen, dass etwa 80% der Bilder
nahezu ebenes Terrain mit homogener Geländeoberfläche (Steinwüste) beinhalten,
während das Gelände im restlichen Gebiet, speziell im Norden bis Nordwesten
(Ingenio- Tal und Ausläufer der Anden), große Höhenunterschiede und vereinzelt Ve-
getation und Bebauung aufweist. Aus diesem Grunde erschien die Verwendung nur
einer Strategie zur Berechnung des DGM nicht sehr Erfolg versprechend. Erste Tests
zur automatischen DGM- Generierung zeigten zudem, unabhängig von der jeweiligen
Strategie, fehlerhafte Korrelationen bei Punkten innerhalb der Straßenfläche der Pan-
americana und in Bildern mit Bildfehlern oder Unschärfe. Es erschien somit sinnvoll,
das Gebiet in ebene und bergige Regionen zu zerlegen, sowie fehleranfällige Bereiche
(z.B. Panamericana) von der Berechnung auszuschließen. Innerhalb der einzelnen
Gebiete sollte außerdem unterschieden werden zwischen Regionen ohne bzw. mit
geringer Bebauung und Vegetation.
Zu Beginn fanden verschiedene Tests zur automatischen DGM- Generierung mit unter-
schiedlichen Parametern am Beispiel von 4 Bildpaaren statt. Die Bildpaare wiesen die
folgenden, im Untersuchungsgebiet auftretenden topographischen Besonderheiten auf:
− Bildpaar 1 (06_27 – 06_28): Pampa; ebenes Gelände ohne Bebauung und Bewuchs (maximaler Höhenunterschied 10m)
− Bildpaar 2 (05_27 – 05_28): Ingenio- Tal; Übergang zwischen Pampa und Ingenio- Tal (Höhen zwischen 300m und 415m)
− Bildpaar 3 (13_09 – 13_10): Ingeniotal; relativ ebenes Gelände mit teilweiser Bebauung und landwirtschaftlicher Nutzfläche (Höhenunterschiede bis 50m)
− Bildpaar 4 (14_10 – 14_11): Ausläufer der Anden nördlich des Ingenio- Tales (Höhen zwischen 300m und 665m)
Dementsprechend gehört das erste Bildpaar zum topographischen Typ „flat areas“,
Objekttyp „open areas“, für das Bildpaar 2 kamen die topographischen Typen „moun-
tain“ und „rolling hills“ in Frage. Das Bildpaar 3 entsprach ebenfalls dem topographi-
schen Typ „flat areas“, Objekttyp „low urban“ und das Bildpaar 4 dem topographischen
5 Vorgehensweise und Durchführung 54
Typ „mountain“. Basierend auf diesen Strategien wurden die unterschiedlichsten Pa-
rametereinstellungen getestet und die Ergebnisse miteinander verglichen. In die DGM-
Generierung gingen auch die aus der Triangulation resultierenden GCP’s und Ver-
knüpfungspunkte mit ein.
In den Bereichen, in denen es sich um bewegtes Gelände handelt, sollte der Parame-
ter Search Size im x- Wert relativ groß sein (hier: ≥21 Pixel), bei flachem Gelände ent-
sprechend kleiner. Mit Correlation Size bestimmt man die Größe des Fensters in dem
aus den entsprechenden Grauwerten der Korrelationskoeffizient berechnet wird. Ver-
suche mit einem Wert von 3x3 und 9x9 brachten keine besseren Ergebnisse. Der Kor-
relationskoeffizient (Correlation Coefficient Limit) sollte i. A. größer 0,7, bei Bildern mit
guten radiometrischen Eigenschaften und moderatem Gelände etwa 0,8 sein. Da das
vorliegende Bildmaterial weder gute radiometrische Eigenschaften, noch moderates
Gelände aufweist, wurden auch kleinere Werte in die Tests einbezogen. Die Größe
dieses Wertes wirkt sich entscheidend auf die Anzahl der korrelierten Punkte aus.
Aus dem Vergleich der Tests für die einzelnen Bildpaare ergaben sich die in Tab. 9
zusammengestellten Parameter als am besten geeignete Werte für die jeweiligen Re-
gionen. Die für die Tests verwendete Rasterweite des resultierenden Geländemodells
war 10m x 10m.
Bildpaar 1 Bildpaar 2 Bildpaar 3 Bildpaar 4 Search Size 9x3 21x3 11x3 31x3 Correlation Size 7x7 7x7 7x7 7x7 Correl. Coeff. Limit 0,7 0,6 0,7 0,6 Topographic Type flat areas rolling hills flat areas mountain Object type open area open area low urban open area Qualität: identifizierte Punkte 6915 10876 14622 27247 ACCURACY INFORMATION: General Mass Point Quality: Excellent (1,0-0,85) 27,5633 % 23.1427 % 35.8296 % 28.2233 % Good (0,85-0,7) 51,7137 % 43.8029 % 55.1087 % 35.1929 % Fair (0,7-0,5) 0,0000 % 29.7444 % 0,0000 % 18.9599 % Isolated 0,0000 % 0.0184 % 0,0000 % 0,0000 % Suspicious 20,7231 % 3.2917 % 9.0617 % 17.6240 % Global Vertical Accuracy: GCP-/Tie- Points 41 49 66 65 Minimum -0,5005 -6.6986 -1.4532 -3.7692 Maximum 0,8335 2.1016 1.6642 3.3977 Mean Error 0,0469 -0.9113 0.0743 -0.0535 Mean Abs. Error 0,2615 1.3644 0.4485 0.8226 RMSE [Pixel] 0,3148 1.9216 0.5974 1.2333
Tab. 9: Tests zur automatischen DGM- Generierung
5 Vorgehensweise und Durchführung 55
Ein DTM Point Status Output Image (Abb. 23, rechts) gibt Auskunft über die Qualität
der berechneten Geländepunkte, welche auf der Grundlage des berechneten Kreuz-
korrelationskoeffizienten in 5 Gruppen, von excellent bis suspicious, eingeteilt werden.
Das Ergebnis hängt direkt mit der Größe des eingestellten Korrelationskoeffizienten
zusammen. Die Werte sind im Protokoll unter General Mass Point Quality (Tab. 9) zu-
sammengefasst.
Eine weitere Kontrolle bietet die Genauigkeitsanalyse der verwendeten GCP’s und Tie
Points (Verknüpfungspunkte). Je nach Bildpaar wird die entsprechende Anzahl von
Referenzpunkten mit den entsprechenden minimalen und maximalen Residuen, dem
mittleren Fehler und RMSE angegeben (Tab. 9).
Ausgehend von diesen Analysen konnte die Bearbeitung des gesamten Testgebietes
beginnen, wobei zunächst die einzelnen Regionen in den Bildern zu digitalisieren und
die entsprechenden Strategien zu definieren waren. Bei der sich anschließenden au-
tomatischen DGM- Generierung für das gesamte Gebiet fanden nur die Bildpaare mit
Längsüberdeckung Verwendung. Das Ergebnis der automatischen DGM- Generierung
ist in Abb. 23 links zu sehen.
Abb. 23: Automatisch generiertes DGM, incl. DTM Poi nt Status Output Image
Aufgrund der großen Punktdichte und angesichts des erforderlichen Zeitaufwandes
wurde auf eine manuelle Digitalisierung von Bruchkanten verzichtet. Nach der Eliminie-
rung der grob fehlerhaft korrelierten Punkte (z.B. negative Höhenwerte) konnte eine
erste Analyse des automatisch generierten DGM erfolgen. Hierbei lässt sich eine sehr
gute Genauigkeit im ebenen Gelände feststellen, was sich mit den Ergebnissen von
(SAUERBIER 2004) deckt. Am Rande des Ingenio- Tales gab es, infolge der starken
Zerklüftung des Geländes, einige Fehlkorrelationen, die manuell zu editieren sind. Im
5 Vorgehensweise und Durchführung 56
Gebirge (westlicher Bildbereich) ist das Ergebnis, auch aufgrund des Bildmaterials,
deutlich schlechter, was recht umfangreiche manuelle Nacharbeiten erfordert. Die Ge-
nauigkeitsangaben zur automatischen DGM- Generierung sind in Tab. 10 zusammen-
gefasst.
ACCURACY INFORMATION: General Mass Point Quality: Excellent (1,0-0,85) 19.1065 % Good (0,85-0,7) 50.2910 % Fair (0,7-0,5) 17.2518 % Isolated 0.0297 % Suspicious 13.3211 % Vertical Accuracy: Global GCP’s CP’s Tie Points GCP-/Tie- Points 2387 39 9 2339 Minimum -153.3638 -0.2997 -0.6254 -153.3638 Maximum 96.3329 1.8993 1.1688 96.3329 Mean Error -0.1254 0.3480 0.4791 -0.1356 Mean Abs. Error 1.2129 0.4349 0.6513 1.2280 RMSE [Pixel] 5.5074 0.5832 0.7220 5.5630
Tab. 10: Genauigkeit der automatischen DGM- Generie rung
Angesichts des enormen Zeitaufwandes, der erforderlich wäre, um das gesamte DGM
nachzubearbeiten, soll für den vorgesehenen Vergleich mit den SRTM- Daten lediglich
ein Teil des automatisch generierten DGM vom Rande des Ingenio- Tales (vgl. Abb.
24) verwendet werden. Der Ausschnitt beinhaltet einen kleinen Teil der Pampa mit
ebenem Gelände sowie die stark zerklüfteten Hänge zum Ingenio- Tal hin.
Abb. 24: Bereich des DGM- Ausschnittes
Dieser DGM- Ausschnitt wurde anschließend editiert, d.h. es wurden fehlerhafte
Punkte entfernt bzw. höhenmäßig korrigiert, so dass im Ergebnis das DGM für die
weiteren Analysen zur Verfügung stand.
5 Vorgehensweise und Durchführung 57
5.3 Analyse und Bearbeitung der SRTM- Daten
5.3.1 Geomorphologische Eigenschaften des Geländes
Betrachtet man die geomorphologischen Eigenschaften des zu untersuchenden Ge-
bietes, so kann man feststellen, dass das Gelände in Richtung Westen zur Pazifikküste
hin leicht abfällt, während es in Richtung Osten, durch die Ausläufer der Anden, sehr
stark ansteigt. Dementsprechend ist die Exposition des Geländes in Richtung Süden,
Südwesten, Westen bis Nordwesten ausgeprägter (vgl. Abb. 25), d.h. die Richtungen
der Falllinien des Geländes sind überwiegend größer als 180°. Es fällt auf, dass das
SRTM-1 DGM infolge der geringeren Pixelgröße sehr viel mehr strukturiert ist, während
die SRTM-3 Daten stark geglättet sind.
Abb. 25: Exposition der SRTM1 und SRTM-3 Daten
Die Höhenwerte im Untersuchungsgebiet schwanken von etwa 200m in Küstennähe
bis etwa 3350m im Gebirge, d.h. es sind insgesamt Höhenunterschiede von über
3000m zu verzeichnen. Konkret weisen die einzelnen Datensätze die in Tab. 11 aufge-
führten Höhenunterschiede auf. Hierbei ist zu beachten, dass die SRTM-1 Daten nicht
das gesamte Gebiet in Richtung Küste abdecken, so dass die minimalen Höhenwerte
größer sind als in den SRTM-3 Datensätzen, was sich entsprechend auch im Mittelwert
und im Median auswirkt.
SRTM-1 SRTM-3: HGT SRTM-3: TIFF SRTM-3: CGIAR Minimum 370 m 194 m 194 m 198 m Maximum 3354 m 3336 m 3338 m 3344 m Mittelwert 1208 m 949 m 951 m 954 m Median 1116 m 718 m 722 m 726 m
Tab. 11: Höhenunterschiede in verschiedenen SRTM- D atensätzen
5 Vorgehensweise und Durchführung 58
Abb. 26: Hangneigung der SRTM-1 und SRTM-3 Daten
Gleichzeitig sind die Gebirgsregionen von starken Hangneigungen geprägt, wohinge-
gen das Hauptgebiet der Pampa von Nasca in nahezu ebenem Gelände liegt, welches
nur vereinzelt von Erosionsrinnen durchzogen wird. Infolge der unterschiedlichen Auf-
lösung der SRTM-1 und SRTM-3 Daten (vgl. Abb. 26) treten Abweichungen im Wert
der Geländeneigung auf, welche die Glättung des SRTM-3 Geländemodells, insbeson-
dere im Bereich des Gebirges, widerspiegeln.
5.3.2 Datenanalyse
5.3.2.1 Vergleich der SRTM-3 Datensätze
Wie bereits erwähnt, stehen die SRTM-3 Daten in verschiedenen Formaten im Internet
frei zur Verfügung. Um zu prüfen, inwieweit es sich bei den einzelnen Datenquellen um
identische Inhalte handelt, wurden zum Vergleich die HGT- Daten des LP DAAC14,
TIFF- Daten vom SDDS15 sowie bearbeitete Daten des CGIAR-CSI16 herangezogen.
Hierbei ist zu sagen, dass die unbearbeiteten HGT- und TIFF- Daten insbesondere im
Südosten und Südwesten deutlich Fehlpixel aufweisen (in Abb. 27 in blau dargestellt),
während die Lücken in den beim CGIAR-CSI erhältlichen Daten bereits gefüllt sind.
Nach dem Mosaikieren und der anschließenden Auswahl des für das Projektgebiet
relevanten Ausschnittes lagen somit drei Rasterdatensätze vom gleichen Gebiet vor.
Bereits auf den ersten Blick fällt auf, dass der TIFF- Datensatz beispielsweise im Nord-
osten eindeutig mehr Fehlpixel aufweist, als die HGT- Daten, obwohl die Produktbe-
schreibungen angeben, dass es sich in beiden Fällen um Version 2 und somit theore-
Während SRTM-3 nur Hangneigungen bis 14° aufweist, gibt es im ph otogrammetri-
schen DGM (tatsächliches Gelände) Hangneigungen bis zu 62°. Es lä sst sich ver-
muten, dass die SRTM-1 Daten infolge der geringeren Rasterweite von 30m hier etwas
geringere Höhenabweichungen und größere Hangneigungen aufweisen würden.
Im Ergebnis lässt sich feststellen, dass beide SRTM- Datensätze im ebenen Gelände
über eine sehr hohe Genauigkeit mit Höhendifferenzen von <±5m, in weiten Teilen
sogar <3m, verfügen, wohingegen in Regionen mit größerer Hangneigung, wie am
Ingenio- Tal, Höhenunterschiede bis zu etwa ±45m, im Gebirge bis zu ±60m auftreten
können. Vereinzelt muss im Gebirge sogar mit Höhenfehlern bis ca. ±400m gerechnet
werden.
Bezüglich vorhandener Lücken in den SRTM-3 Daten konnte festgestellt werden, dass
größere Lücken lediglich außerhalb bzw. am südwestlichen Rand der IKONOS- Daten
vorliegen, so dass diese im Prinzip keinen Einfluss auf die Orthorektifizierung haben.
Bei einer Verwendung des SRTM-3 Geländemodells für die Bestimmung des
Höhenwinkels im Zuge der astronomischen Berechnungen sollten die größeren Lücken
vorzugsweise mit Sekundärdaten (DGM25 oder GTOPO30) gefüllt werden, da Inter-
polationsverfahren insbesondere bei bewegtem Relief zu erheblichen Fehlern führen.
6.2 Zum Einfluss der DGM- Genauigkeit auf die Ortho rektifizierung
Der Einfluss der DGM- Genauigkeit wurde speziell am Beispiel der IKONOS- Szene 2,
Kachel 2.1 untersucht, da diese einerseits im Bereich der SRTM-1 Daten liegt und
andererseits aufgrund der besonderen Schrägaufnahme (Nadirwinkel: 33.94°) für die
Untersuchungen besonders geeignet erschien. Die Kachel 2.1 überdeckt sowohl einen
Teil des ebenen Geländes der Pampa von Nasca als auch gebirgiges Gebiet, so dass
hier insgesamt Höhenunterschiede von über 800m auftreten. Die Differenzen zwischen
SRTM-1 und SRTM-3 schwanken im Bereich dieser Kachel durchschnittlich um ±30m,
wobei vereinzelt größere Höhendifferenzen bis zu 249m auftreten. Der Vergleich
beider Geländemodelle mit den in diesem Gebiet liegenden GPS- Punkten ergab
Differenzen bis zu 31.6m bei SRTM-3 und 9.5m bei SRTM-1, wobei die maximalen
Abweichungen durchweg an Punkten im Gebirge bzw. auf den umliegenden Hügeln
auftraten.
Höhenfehler im Geländemodell wirken sich bei der Orthorektifizierung, insbesondere
von Schrägaufnahmen, als Lagefehler in den orthorektifizierten Bildern aus. Dabei be-
stimmt der Tangens des Nadirwinkels die Größe des Einflusses des Höhenfehlers. Bei
einem Nadirwinkel von rund 34° entspricht das einem Faktor v on 0.67, d.h. der Lage-
6 Ergebnisse und Schlussfolgerungen 106
fehler beträgt 2/3 des Höhenfehlers. Für die GPS- Punkte musste also mit einem Lage-
fehler der im Gebirge liegenden Punkte von ca. 20m bei SRTM-3 und etwa 6m bei
SRTM-1 gerechnet werden. Geht man von den Unterschieden zwischen den DGM’s
aus, so können im Extremfall sogar Lagefehler bis etwa 170m im Bereich der Kachel
2.1 auftreten. Die Verschiebungen entstehen dabei in Richtung der Schrägaufnahme,
d.h. bei einem Aufnahmeazimut von 264°, wie im vorliegenden Fall, en tstehen Ver-
schiebungen in Ost- West- Richtung. Die verschiedenen Tests bestätigen exakt diese
Annahmen. Während im ebenen Gelände, also dort wo beide DGM’s eine hohe Ge-
nauigkeit aufweisen, im Prinzip keine Lageverschiebungen zu beobachten sind, mit
Ausnahme vereinzelter Punkte, die sich z.B. am Rande des Río Nasca- Tales befin-
den, treten im Gebirge starke Verschiebungen in Ost- West- Richtung auf.
Die Anzahl der verwendeten GCP’s für die Orthorektifizierung ist dabei von völlig un-
tergeordneter Bedeutung. Bereits bei Verwendung von nur einem sehr gut identifizier-
baren Passpunktes im ebenen Gelände werden gute Ergebnisse bei der Orthorektifi-
zierung erreicht; eine größere Anzahl von GCP’s bringt keine sichtbare Verbesserung
des Ergebnisbildes. Die aus der Orthorektifizierung resultierenden Genauigkeitspara-
meter (Residuen und RMS) widerspiegeln letztlich die Lage der GCP’s im Gelände,
d.h. sobald GCP’s im Gebirge in die Orthorektifizierung eingehen, verschlechtert sich
die Genauigkeit drastisch.
Ähnliche Beobachtungen konnten auch bei der anschließenden Triangulation aller
IKONOS- Kacheln gemacht werden. Bei der Verwendung von nur zwei im ebenen Ge-
lände gelegenen und sehr gut identifizierbaren GCP’s pro Kachel, von denen die
meisten Punkte in den Überlappungsbereichen lagen, wurden sehr gute Ergebnisse
erzielt. Bei Verwendung aller GCP’s, von denen einige weniger gut identifizierbar und
einige Punkte im nicht ganz ebenen Gelände lagen (die Punkte im Gebirge wurden
dabei nicht verwendet), verschlechterte sich die Genauigkeit der Triangulation, was
insbesondere in den Überlappungsbereichen der Bilder sichtbar wurde. Die Verwen-
dung zusätzlicher Tie Points sorgt in diesem Falle für eine Verbesserung der Randan-
passung zwischen den einzelnen Streifen.
Man kann also sagen, dass bei Verwendung der RPC- Daten und eines SRTM- Gelän-
demodells im Prinzip ein bis zwei im ebenen Gelände gelegene, sehr gut identifizier-
bare GCP’s für die Orthorektifizierung ausreichen, da das Ergebnis der Orthorektifizie-
rung, insbesondere bei Schrägaufnahmen, in erster Linie von der Genauigkeit des
DGM’s bestimmt wird. Da die SRTM- Daten in ebenem Gelände eine sehr hohe
Genauigkeit aufweisen, ist der Einfluss des Nadirwinkels hier deutlich geringer.
6 Ergebnisse und Schlussfolgerungen 107
Zur Anforderung an die DGM- Genauigkeit für eine Orthorektifizierung der IKONOS-
Daten im Gebiet der Pampa von Nasca und letztlich für die Datenerfassung im Nasca-
GIS kann somit festgestellt werden, dass die SRTM- Daten den Anforderungen genü-
gen, da die für die Forschung interessierenden Linien und Figuren fast ausschließlich
im ebenen Gelände der Pampa liegen.
6.3 Zur Genauigkeit der Vektordatenerfassung
Die Untersuchungen zur Datenerfassung aus den orthorektifizierten IKONOS- Szenen
ergaben Genauigkeiten für die Messung im Bild in x- und y- Richtung für normal mess-
bare Punkte von ca. 20cm, für gut messbare Punkte rund 15cm und für sehr gut mess-
bare Punkte sogar <10cm. Befinden sich die Punkte im ebenen Gelände und sind sie
im Bild gut bis sehr gut identifizierbar, so liegt die absolute Lagegenauigkeit bei den
Satellitenbildszenen mit einem Nadirwinkel <18° im Submeterberei ch. Bei Szene 2
(Nadirwinkel ≈34°) kann die maximale Lageabweichung etwas größer (bis ca. 3m) sein,
weshalb in den Überlappungsbereichen vorrangig die Szenen mit kleinerem Nadirwin-
kel verwendet werden sollten. Kritisch zu betrachten sind außerdem die in der Pampa
vorkommenden breiten Flächen, welche meist von 1-2m breiten Steinwällen begrenzt
werden und deren Begrenzungen oftmals weder in der Örtlichkeit noch im Bild exakt
definierbar sind. Die absolute Lagegenauigkeit dieser Punkte liegt somit nur bei 1-2m.
Allerdings gibt es auch hier Ausnahmen, denn nicht alle Flächen sind durch Steinwälle
begrenzt. Die in Abb. 56 gezeigten Flächen werden beispielsweise durch kleine, in
Abständen von mehreren Metern liegende Steinhäufchen (∅ ca. 50cm) gebildet.
Abb. 56: Überlagerung von GPS- Messungen mit orthor ektifizierter Kachel 0.2
Während die dadurch erzeugten Linien im Gelände kaum erkennbar sind und gerade
im südöstlichen Bereich, wo die Spuren sich im Sand verlieren, eher erraten wurden,
6 Ergebnisse und Schlussfolgerungen 108
sind die Linien im Satellitenbild sehr gut sichtbar und somit sehr viel genauer bestimm-
bar als in der Örtlichkeit.
Zusammenfassend kann man somit sagen, dass die Vektordatenerfassung von Linien
im annähernd ebenen Gelände der Pampa von Nasca mit absoluten Lagegenauigkei-
ten im Submeterbereich (0,5m ≤ ∆L < 1m) möglich ist, für die Erfassung typischer, von
Steinwällen begrenzter Flächen ist mit Genauigkeiten im Bereich 1m ≤ ∆L < 2m zu
rechnen (vgl. Tab. 20).
6.4 Genauigkeitsanforderungen für astronomische Ber echnungen
Für die Durchführung der astronomischen Berechnungen sind zwei Größen notwendig,
das Azimut der Linien und Flächen, sowie der Höhenwinkel zum Horizont. Während
sich die Genauigkeit des Azimuts aus der Lagegenauigkeit von Stand und Zielpunkt
ergibt, wird die Höhenwinkelgenauigkeit zusätzlich von der Genauigkeit des DGM und
von Einflüssen wie Refraktion und Erdkrümmung bestimmt.
Die vorangegangenen Untersuchungen ergaben, dass das für die Berechnungen not-
wendige Azimut der Linien und Flächen auf 1-2 Bogenminuten vorliegen sollte. Geht
man nun davon aus, dass Linien aus den orthorektifizierten Satellitendaten mit einer
Lagegenauigkeit im Submeterbereich, Flächen hingegen auf 1-2m genau bestimmbar
sind, so kann man basierend auf den Berechnungsergebnissen in Tab. 21 feststellen,
dass lediglich die sehr langen Linien (≥2km) und Flächen (>3km) für die astronomi-
schen Untersuchungen verwendbar sind. Bei Linien, welche durch GPS- Messung oder
photogrammetrische Auswertung bestimmt wurden und somit Genauigkeiten im Be-
reich von ca. 20cm aufweisen, kommen bereits Linien ab etwa 700m für astronomische
Berechnungen in Frage.
Bezüglich der Höhenwinkelgenauigkeit, welche im Bereich weniger Bogenminuten lie-
gen sollte, hat sich gezeigt, dass der Einfluss des Höhenunterschiedes und der Lage-
genauigkeit von Stand- und Zielpunkt relativ gering sind, während sich die Höhenge-
nauigkeit sehr stark auswirkt. Geht man davon aus, dass der Standpunkt eine Lagege-
nauigkeit im Submeterbereich bis max. 2m und eine Höhengenauigkeit <3m im ebenen
Gelände besitzt, so ist in erster Linie das DGM, welches die Lage- und Höhengenauig-
keit am Zielpunkt bestimmt, für die Genauigkeit des Höhenwinkels ausschlaggebend.
Der Einfluss der Höhengenauigkeit wird dabei zwar geringer, je größer die Entfernung
vom Standpunkt zum Zielpunkt ist, dennoch sollte die Höhengenauigkeit keinesfalls
schlechter als 20-30m sein. Zusätzlich ist es notwendig, bei sehr langen Linien eine
6 Ergebnisse und Schlussfolgerungen 109
Korrektur des aus Koordinaten berechneten Höhenwinkels infolge der Erdkrümmung
vorzunehmen.
Bei Linien und Flächen, deren Azimut größer als 180° ist, d.h. die in Richtung Süden,
Westen oder Norden ausgerichtet sind, können die Höhenwinkel ohne Bedenken aus
dem SRTM-3 Geländemodell abgeleitet werden. Bei denen, die in Richtung der Anden,
also nach Osten weisen, ist jedoch Vorsicht geboten. Einerseits ist hier nur das genau-
ere SRTM-1 DGM zu verwenden, andererseits sollten die Höhenabweichungen am
jeweiligen Zielpunkt im Vergleich zu SRTM-3 und den Height Error Maps (Anlage 3)
analysiert werden, um grobe Fehler im DGM von den Berechnungen ausschließen zu
können.
6.5 Festlegungen zur Übernahme der Daten ins NascaG IS
In Anbetracht der erzielten Ergebnisse steht einer Übernahme der aus den orthorektifi-
zierten IKONOS- Daten digitalisierten Vektordaten nichts im Wege. Bei der Datener-
fassung sollten allerdings die jeweilige Geländesituation sowie die Identifizierbarkeit
der digitalisierten Punkte berücksichtigt und dementsprechende Angaben bezüglich der
zu erwartenden Lagegenauigkeit und zur Qualität der erfassten Punkte in der im
NascaGIS enthaltenen Tabelle Data Capture gemacht werden. Bislang werden hier nur
die Art der Datenerfassung, Genauigkeit und Zuverlässigkeit erfasst.
Was die Geländemodelle angeht, so sollten die bisher im NascaGIS gespeicherten
Höhenlinien des DGM25 durch die SRTM-3 Daten ersetzt werden. Eine Kombination
von SRTM-1 und SRTM-3 erscheint nicht sinnvoll, da es hier, wie bereits angedeutet
zu Sprüngen im DGM an der Grenze der beiden Geländemodelle kommen würde. Da
das NascaGIS vorzugsweise zur Visualisierung und Präsentation der Daten dient, ist
hier ein homogenes DGM vorzuziehen. Zur Berechnung der Höhenwinkel für die astro-
nomischen Berechnungen ist allerdings eine Kombination von SRTM-3 und SRTM-1
auf jeden Fall empfehlenswert.
7 Zusammenfassung und Ausblick 110
7 Zusammenfassung und Ausblick
Im Rahmen der vorliegenden Arbeit ist erstmals eine durchgehende Kontrolle aller bis
dato vorliegenden Daten vorgenommen worden. Bei den in diesem Zusammenhang
erforderlichen Transformationen der vorhandenen Ausgangsdaten in das einheitliche
peruanische Lagebezugssystem PSAD56/UTM Zone 18S und das Höhenbezugssys-
tem EGM96- Geoid stellte sich heraus, dass die früheren Transformationen von ellip-
soidischen in orthometrische Höhen auf einer mittleren Geoidundulation basierten, de-
ren Ursprung recht zweifelhaft ist. Angesichts der festgestellten Differenzen zwischen
den aktuell vorliegenden orthometrischen Höhen und den EGM96- Höhen (bis zu 6m)
schien eine neue Transformation aller existierenden Daten die sinnvollste Lösung zu
sein. Das führte dazu, dass einerseits sämtliche im NascaGIS enthaltenen GPS- Mes-
sungen und photogrammetrischen Auswertungen neu zu transformieren waren und
andererseits eine neue Aerotriangulation erfolgen musste, welche als Grundlage für
das zu erstellende DGM aus photogrammetrischen Luftbildern dienen sollte. Erst nach
Abschluss dieser Arbeiten konnte mit der eigentlichen Aufgabe begonnen werden.
Auf Grundlage der neuen Aerotriangulation wurde ein automatisch generiertes DGM
erzeugt, welches sehr gute Ergebnisse insbesondere für die ebenen Regionen aber
auch für leicht bewegtes Gelände zeigte. Im Gebirge ist der Anteil der Fehlkorrelatio-
nen allerdings so groß, dass hier eine erhebliche manuelle Nacharbeit unumgänglich
ist. Um den Umfang der manuellen Bearbeitung in Grenzen zu halten, wurde somit
lediglich ein Ausschnitt aus dem automatisch erstellten DGM editiert und im Folgenden
als quasi fehlerfreies DGM zur Analyse der vorhandenen Geländemodelle verwendet.
Der Vergleich der vorhandenen DGM’s mit diesem photogrammetrisch erstellten DGM
sowie mit GPS- gemessenen Punkten ergab, dass die aus Höhenlinien abgeleiteten
DGM25 und DGM100 für künftige Arbeiten nicht geeignet sind und deren Bearbeitung
somit nicht fortzuführen ist. Die SRTM- Daten dagegen weisen eine sehr gute Höhen-
genauigkeit speziell im ebenen Gelände auf. Im Gebirge sind allerdings teilweise sehr
große Höhendifferenzen zu verzeichnen, welche sich letztlich im Ergebnis der Ortho-
rektifizierung der Satellitendaten, insbesondere bei Schrägaufnahmen, widerspiegeln.
Die Orthorektifizierung brachte demzufolge im ebenen Gelände der Pampa von Nasca
Lagegenauigkeiten im Subpixelbereich. In Richtung der Anden, wo gleichzeitig die Sa-
tellitenbildszene mit dem größten Nadirwinkel vorlag, traten dagegen Lagedifferenzen
bei der Orthorektifizierung mit SRTM-1 im Vergleich zu SRTM-3 bis teilweise über
100m auf. Anhand der wenigen im Gebirge vorhandenen Passpunkte konnte nachge-
7 Zusammenfassung und Ausblick 111
wiesen werden, dass die Lageabweichungen bei Verwendung der SRTM-1 Daten mit
bis zu 7m deutlich geringer waren als bei Verwendung von SRTM-3, wo bis zu 20m an
den Passpunkten auftraten. Die maximalen Höhenfehler im Gebirge lassen sich,
aufgrund fehlender Vergleichsdaten, nur aus den Unterschieden zwischen SRTM-1
und SRTM-3 abschätzen.
Für die Ableitung des Höhenwinkels ist das SRTM- Geländemodell, in Anbetracht der
vorhandenen groben Höhenfehler im Gebirge, nur bedingt geeignet. In jedem Falle
sollte aber zur Berechnung der Höhenwinkel im Gebirge das genauere SRTM-1 DGM
Verwendung finden. Zur Übernahme ins NascaGIS wird allerdings das SRTM-3 DGM
empfohlen, da dieses für das gesamte Untersuchungsgebiet vorliegt und eine Kombi-
nation von SRTM-1 mit SRTM-3, infolge der dabei entstehenden Sprünge im DGM,
nicht sinnvoll erscheint.
Bezüglich der Vektordatenerfassung ist festzustellen, dass die zu erfassenden Linien
und Figuren in der Pampa von Nasca vorwiegend im ebenen Gelände liegen. Somit
konnten bei der Datenerfassung aus den orthorektifizierten IKONOS- Daten für sehr
gut identifizierbare Objekte, wie z.B. Linien, absolute Lagegenauigkeiten im Subme-
terbereich, bei weniger gut erkennbare Objekten bzw. immerhin noch Genauigkeiten
von 1-2m erreicht werden. Das bedeutet, dass die aus orthorektifizierten IKONOS-
Daten abgeleiteten Vektordaten für die Datenerfassung im NascaGIS durchaus
geeignet sind. Außerdem haben die Untersuchungen zur Eignung der Vektordaten für
astronomische Berechnungen gezeigt, dass die Digitalisiergenauigkeit für Linien ab
2km und Flächen ab 3km Länge ausreicht, um diese in die astronomischen
Berechnungen einzubeziehen. Für eine Datenerfassung beispielsweise im Gebiet der
Pampa von Palpa (welches nicht Bestandteil dieser Arbeit ist), wo sich die Linien und
Figuren vorwiegend im bergigen Gebiet befinden, sollte untersucht werden, ob aus
Stereo- Satellitendaten ein genaueres Geländemodell abgeleitet werden kann.
Im Anschluss an diese Arbeit ist zunächst das bislang unbearbeitete Gebiet des auto-
matisch generierten photogrammetrischen DGM zu editieren. Hierbei ist zu prüfen,
inwieweit es sinnvoll ist, das SRTM-3 Geländemodell mit dem photogrammetrischen
DGM im NascaGIS zu kombinieren. Außerdem sollte eine durchgehende Kontrolle der
transformierten Vektordaten des NascaGIS anhand der neuen Aerotriangulation erfol-
gen, da hier bislang nur Stichproben vorgenommen wurden.
Das Datenmodell des NascaGIS ist dahingehend zu erweitern, dass in der vorhande-
nen Tabelle Data Capture auch Informationen über die Qualität und Lage der digitali-
sierten Punkte und die daraus abzuleitende Lage- und Höhengenauigkeit erfasst
werden können.
7 Zusammenfassung und Ausblick 112
Ein weiterer Schritt besteht in der radiometrischen Anpassung und anschließenden
Mosaikbildung der orthorektifizierten IKONOS- Szenen als Grundlage für eine
Satellitenbildkarte.
Für die bereits vorliegenden Quickbird- Daten, die sich südlich und nördlich an die
IKONOS- Daten anschließen, sind zunächst Passpunktmessungen in der Örtlichkeit
notwendig. Daran anschließend können diese Satellitenbildszenen ebenfalls unter
Verwendung der SRTM- Daten orthorektifiziert werden. Es bleibt zu untersuchen, wie
sich die höhere Auflösung der Quickbird- Daten auf die Genauigkeit der Vektordaten-
erfassung auswirkt.
Bezüglich der astronomischen Berechnungen wird empfohlen, auch solche Linien und
Flächen in die Berechnungen einzubeziehen, deren Stand- bzw. Zielpunktgenauigkeit
als nicht ausreichend deklariert werden muss, die aber durch örtliche Messung
genauer bestimmbar wären. Wird für solche Linien oder Flächen eine astronomische
Relevanz festgestellt, so müssen diese ggf. im Gelände neu vermessen werden.
Quellennachweis 113
Quellennachweis
AdV (2004) Glossar zur Gestaltung der GeoInfoDok - Teilbereich DGM -. Projektgrup-pe Digitales Geländemodell im AdV-Arbeitskreis Geotopographie, Dokumentation zur Modellierung der Geoinformationen des amtlichen Vermessungswesens, Teil 8, Abschnitt 8.1.5, www.adv-online.de (10.04.07).
ALBERTZ, J. (2001) Einführung in die Fernerkundung: Grundlagen der Interpretation von Luft- und Satellitenbildern. Darmstadt: WBG. ISBN: 3-534-14624-7.
AVENI, A. F. (2001) Skywatchers. 2nd Edition. Austin: University of Texas Press. ISBN: 978-0292705029
BALTSAVIAS, E.; LI, Z.; EISENBEISS, H. (2006) DSM Generation and Interior Orien-tation Determination of IKONOS Images Using a Testfield in Switzerland. In: Photogrammetrie, Fernerkundung, Geoinformation (PGF), 1/2006, 41-54.
BALTSAVIAS, E.; PATERAKI, M.; ZHANG, L. (2001) Radiometric and geometric Evaluation of IKONOS Geo Images and their use for 3D Building Modelling, ISPRS Joint Workshop "High Resolution Mapping from Space". Hannover.
BERRY, P. A. M.; GARLICK, J. D.; SMITH, R. G. (2007) Near-global validation of the SRTM DEM using satellite radar altimetry. In: Remote Sensing of Environment (106), 17-27.
DENKER, H. (2005) Evaluation of SRTM3 and GTOPO30 Terrain Data in Germany. Paper presented at the Gravity, Geoid and Space Missions (GGSM 2004), Porto/Portugal. www.ife.uni-hannover.de/download-allgemein/Denker_IAGProceed-2005.pdf (20.01.07).
DOWDING, S.; KUUSKIVI, T.; LI, X. (2004, Sept. 2004) Void fill of SRTM elevation data. Paper presented at the Principles, Processes and Performance, Kansas City, Missouri/USA. www.intermap.com/uploads/1170362337.pdf (14.03.07).
EHLERS, M. (2004) Erhalt der spektralen Charakteristika bei der Bildfusion durch FFT basierte Filterung. In: Photogrammetrie, Fernerkundung, Geoinformation (PFG), 6/2004, 495-506.
EHLERS, M. (2005) Beyond Pansharpening: Advances in Data Fusion for very high resolution Remote Sensing Data. Paper presented at the ISPRS Workshop High-Resolution Earth Imaging for Geospatial Information, Hannover.
EISENBEISS, H.; BALTSAVIAS, E.; PATERAKI, M.; ZHANG, L.; GUT, O.; HELLER, O. (2004) Das Potenzial von Ikonos- und Quickbird- Bildern für die genaue 3D- Punktbestimmung, Orthophoto- und DSM- Generierung. In: Géomatique Suisse(9), 556-562.
FRASER, C. S.; DIAL, G.; GRODECKI, J. (2006) Sensor orientation via RPCs. In: ISPRS Journal of Photogrammetry & Remote Sensing, 60(3), 182-194.
GAMACHE, M. (2004) Free and Low Cost Datasets for International Mountain Carto-graphy. www.terrainmap.com/downloads/Gamache_final_web.pdf (26.01.07).
GRODECKI, J.; DIAL, G. (2001) Ikonos Geometric Accuracy. Paper presented at the ISPRS Joint Workshop "High Resolution Mapping from Space", Hannover. www.satimagingcorp.com/satellite-sensors/IKONOSGeometricAccuracy-ISPRS202001.pdf (30.01.07).
GRODECKI, J.; DIAL, G. (2003) Block Adjustment of high-resolution Satellite Images described by Rational Polynomials. In: Photogrammetric Engineering & Remote Sensing, Vol. 69(1), 59-68.
HALL, O.; FALORNI, G.; BRAS, R. L. (2005) Characterization and Quantification of Data Voids in the Shuttle Radar Topography Mission Data. IEEE Geoscience and Remote Sensing Letters.
HAWKINS, G. (1969) Ancient lines in the peruvian desert. Smithsonian Institution, Final scientific report for the national geographic society expedition, Cambridge.
HIRSCHMUGL, M.; GALLAUN, H.; PERKO, R.; SCHARDT, M. (2005) Pansharpening - Methoden für digitale, sehr hoch auflösende Fernerkundungsdaten. In: Strobl/ Blaschke/Griesebner (Hrsg.), Angewandte Geoinformatik 2005. Beiträge zum 17. AGIT- Symposium Salzburg, S. 270-276. Heidelberg: Wichmann Verlag.
HOFFMANN, J.; WALTER, D. (2006) How Complementary are SRTM-X and -C Band Digital Elevation Models? In: Photogrammetric Engineering & Remote Sensing, Vol. 72(No. 3), 261-268.
Institut Géographique National (2006, 12/2006). The International Terrestrial Reference System (ITRS). http://itrf.ensg.ign.fr/ (10.01.07).
JACOBSEN, K. (2002) Auswertung von IKONOS- Aufnahmen. Paper presented at the Vorträge - 22. wissenschaftlich-technische Jahrestagung der DGPF, Neubran-denburg.
JACOBSEN, K. (2004) Generierung und Validierung von Höhenmodellen aus Welt-rauminformationen. In: Eckhard Seyfert (Hrsg.): Publikationen der DGPF, Band 13, 475-482. www.ipi.uni-hannover.de/html/publikationen/2004/paper/jac_04_dgpf.pdf (12.01.07).
JACOBSEN, K. (2005) Vergleich der Orientierungsverfahren für Weltraumaufnahmen. In: E. Seyfert (Hrsg.), GEO-GOVERNMENT, Wirtschaftliche Innovation durch Geodaten, Bd. Bd. 14, S. 467-474. Rostock.
JACOBSEN, K. (2006) Hochauflösende Satellitenbilder – ein gleitender Übergang zu Luftbildern. In: Festschrift zur 125-Jahr-Feier Geodäsie und Geoinformation: Wissenschaftliche Arbeiten der FR Geodäsie und Geoinformatik der Leibniz-Universität Hannover, Band 263, 199-208. www.ipi.uni-hanno-ver.de/html/publikationen/2006/paper/KJ_Festschrift.pdf (12.01.07).
JARVIS, A.; REUTER, H. I.; GUEVARA, E. (2006). Hole-filled seamless SRTM data V3. http://srtm.csi.cgiar.org/ (13.03.07).
JPL (2006, 02.02.2006). SRTM - The Mission to Map the World. http://www2.jpl.nasa.gov/srtm/ (06.05.07).
KLEINSCHMIT, B.; FÖSTER, M.; FRICK, A.; OEHMICHEN, K. (2007) Quickbird Data - experiences with ordering, quality and pan sharpening. In: Photogrammetrie, Fernerkundung, Geoinformation (PFG), 2/2007, 73-83.
KOCH, A.; HEIPKE, C.; LOHMANN, P. (2002) Bewertung von SRTM Digitalen Gelän-demodellen - Methodik und Ergebnisse. In: Photogrammetrie, Fernerkundung, Geoinformation (PGF)(6), 389-398. www.ipi.uni-hannover.de/html/publikationen/2002/paper/pfg_koch_heipke_lohmann.pdf (19.01.07).
KRAUS, K. (2004) Geometrische Informationen aus Photographien und Laserscanner-aufnahmen. 7., vollst. bearb. und erw. Aufl., Bd. 1. Berlin: De Gruyter. ISBN: 978-3110177084.
MATHER, P. M. (1999) Computer Processing of Remotely-Sensed Images. An Intro-duction. 2. Ed. Chichester/England: John Wiley & Sons. ISBN: 0-471-98550-3.
MAUNE, D. F. (2007) Digital Elevation Model Tedchnologies and Applications: The DEM Users Manual. 2nd Edition: American Society for Photogrammetry and Remote Sensing (ASPRS). ISBN: 1-57083-082-7.
McCARTHY, D. D.; PETIT, G. (2004) IERS Conventions (2003): Technical Note No. 32. International Earth Rotation and Reference Systems Service (IERS), Frankfurt/Main ftp://tai.bipm.org/iers/conv2003/tn32.pdf (15.03.07).
MONTENBRUCK, O. (2005) Grundlagen der Ephemeridenrechnung. 7. Aufl.: Spektrum Akademischer Verlag. ISBN: 978-3827416025.
MOSCH, M. (2005) 3D-Gebäudeextraktion aus Satellitenbildern suburbaner Regionen. Albert-Ludwigs-Universität, Freiburg i. Brsg. www.freidok.uni-frei-burg.de/volltexte/2648/pdf/MoschQBExtraction.pdf (22.02.07).
Neubert, M. (2006) Bewertung, Verarbeitung und segmentbasierte Auswertung sehr hochauflösender Satellitenbilddaten: vor dem Hintergrund landschaftsplaneri-scher und landschaftsökologischer Anwendungen. Diss., TU Dresden.
NIKOLAKOPOULUS, K. G. (2004) Comparison of four different fusion techniques for IKONOS data. Paper presented at the IEEE Geoscience and Remote Sensing Symposium, IGARSS '04. http://ieeexplore.ieee.org/iel5/9436/29947/01369812.pdf (02.05.07).
NIMA (2000) Department of Defence World Geodetic System 1984. It's Definition and Relationships with Local Geodetic Systems (3). http://earth-info.nga.mil/GandG/publications/tr8350.2/wgs84fin.pdf (08.03.07).
NIMA (2004) Implementation of the World Geodetic System 1984 (WGS 84) - Refer-ence Frame G1150. http://earth-info.nga.mil/GandG/publications/tr8350.2/Addendum%20NIMA%20TR8350.2.pdf (25.02.07).
PANTZER, J. (2005) Auswertung der GPS-Messungen der Messkampagne 2004 in der Pampa von Nasca/Peru. unveröff. Diplomarbeit, HTW, Dresden.
RABUS, B.; EINEDER, M.; ROTH, A.; BAMLER, R. (2003) The Shuttle Radar Topo-graphy Mission (SRTM) A New Class of Digital Elevation Models Acquired by Spaceborne Radar. In: ISPRS Journal of Photogrammetry & Remote Sensing, 57, 241-262. http://elib.dlr.de/447/ (30.01.07).
Quellennachweis 116
REICHE, M. (1989) Geheimnis der Wüste/Mystery on the desert/Secreto de la Pampa. 7. Nasca/Peru: Selbstverlag Maria Reiche.
RICHTER, C.; TEICHERT, B. (2006) Das Rätsel in der Pampa. In: C. Rust (Hrsg.), Nasca - Korrespondenzen. 1. Auflage, S. 6-19. Bönen: Kettler Verlag, ISBN 3-937390-87-1
SAUERBIER, M. (2004) Accuracy of automated aerotriangulation and DTM generation for low textured imagery Paper presented at the XXth ISPRS Congress, Istanbul, Turkey. http://www.photogrammetry.ethz.ch/general/persons/martin/paper/sauerbier3.pdf (30.01.07).
SAUERBIER, M. (2006) Automated DTM generation for low texture images using multiple primitive multi-image Matching (MPM): . Paper presented at the ISPRS Commission 4 Symposium Goa/India. www.photogrammetry.ethz.ch/general/persons/martin/paper/comm4_paper.pdf (30.01.07).
SEFERCIK, U.; JACOBSEN, K. (2006) Analysis of SRTM Height Models. Paper pre-sented at the 5th International Symposium Turkish-German Joint Geodetic Days, Berlin. www.ipi.uni-hannover.de/html/publikationen/2006/paper/SRTM_Berlin.pdf (15.03.07).
SEIDELMANN, P. K. (1992) Explanatory Supplement to the Astronomical Almanac. University Science Books. ISBN: 978-0935702682
TEICHERT, B. (2007) Astronomical investigations of the Nasca lines. In: Dresdner Kartographische Schriften: Nasca Symposium 2006, to be published.
THOM, A. (2002) Megalith Lunar Observatories. Oxford University Press (UK). ISBN: 0-19-858132-7.
THOM, A. (2003) Megalithic sites in Britain. Oxford University Press (UK). ISBN: 978-0198131489
TOUTIN, T.; CHENG, P. (2001) Orthorectification and DEM Generation from high resolution satellite data. Paper presented at the 22nd Asian Conference on Remote Sensing, Singapore. www.crisp.nus.edu.sg/~acrs2001/pdf/070cheng.pdf (14.02.07).
WILLNEFF, J.; POON, J.; FRASER, C. S. (2005) Single-image high-resolution satellite data for 3D information extraction. Paper presented at the ISPRS Workshop High-Resolution Earth Imaging for Geospatial Information, Hannover. www.isprs.org/publications/related/hannover05/paper/041-willneff.pdf (21.02.07).
WOODHOUSE, I. H. (2006) Introduction to Microwave Remote Sensing. Taylor & Francis, Boca Raton. ISBN: 0-415-27123-1.
ZEBHAUSER, B. (1999) Realisierungen von Bezugssystemen. M. Schneider, Mittei-lungen des Bundesamtes für Kartographie und Geodäsie, Frankfurt/Main www.fgg.uni-lj.si/~/mkuhar/Zalozba/Bezug_systeme.pdf (08.03.07).
Normen 117
Normen
DIN 18709-1: Begriffe, Kurzzeichen und Formelzeichen im Vermessungswesen. Teil 1:
Allgemeines (Okt. 1995) Deutsches Institut für Normung, Beuth Verlag
GmbH, Berlin
DIN 18709-4: Begriffe, Kurzzeichen und Formelzeichen im Vermessungswesen. Teil 4:
Ausgleichungsrechnung und Statistik (Jan. 1984) Deutsches Institut für
Normung, Beuth Verlag GmbH, Berlin
DIN 18716-1: Photogrammetrie und Fernerkundung. Teil 1: Grundbegriffe und beson-
dere Begriffe der photogrammetrischen Aufnahme (Nov. 1995) Deut-
sches Institut für Normung, Beuth Verlag GmbH, Berlin
DIN 18716-3: Photogrammetrie und Fernerkundung. Teil 3: Begriffe der Fernerkun-
dung (Juli1997) Deutsches Institut für Normung, Beuth Verlag GmbH,
ESRI World Base Map http://arcdata.esri.com/data_downloader/DataDownloader?part=10200 (07.05.2007) Landsat Orthorectified ETM+ U.S. Geological Survey – Earth Explorer: EntityID: ELP006R070_7T20000426, Acquisition Date: 2000/04/26 http://edcsns17.cr.usgs.gov/EarthExplorer/ (07.05.2007) GTOPO30- Daten U.S. Geological Survey - Earth Resources Observation and Science (EROS): http://edc.usgs.gov/products/elevation/gtopo30/gtopo30.html (07.05.2007) SRTM-1 Daten Deutsches Zentrum für Luft- und Raumfahrt (DLR) - Deutsches Fernerkundungs- Datenzentrum (DFD): SRTM.X-SAR.DEM. OrderID: 2006-04-11T13.11.13.675, Volume 1/1, Production Date: 2006-4-25 SRTM-3 Daten NASA. LP DAAC: Version 2 vom 09. Juni 2005 ftp://e0srp01u.ecs.nasa.gov/srtm/version2/SRTM3/South_America/ (07.05.2007) Seamless Data Distribution System, Earth Resources Observation and Science (EROS): http://seamless.usgs.gov/website/Seamless/ (07.05.2007) CGIAR Consortium for Spatial Information (CSI): SRTM 90m Digital Elevation Data. Version 3: http://srtm.csi.cgiar.org/ (07.05.2007) SRTM-30 Daten NASA. LP DAAC: Version 2 vom 05. April 2006 ftp://e0srp01u.ecs.nasa.gov/srtm/version2/SRTM30/ (07.05.2007)
Anlagenverzeichnis 120
Anlagenverzeichnis
Anlage 1: Auszug aus den Metadaten der Ikonos- Szenen 121
Anlage 2: Blattübersicht der Katasterkarten 1 : 25.000 127
Anlage 3:Übersicht über die SRTM-1 Daten incl. HEM- Dateien 128
Anlage 4: Item Information Pool (W0750000S150000_SRTM_1.iip) - Auszug 129
Anlage 5:Histogramme zum Vergleich der GPS- Punkthöhen mit DGM- Höhen 130
Anlage 1 121
Anlage 1: Auszug aus den Metadaten der Ikonos- Szen en
Version Number: 1.2 Company Information Address Space Imaging 12076 Grant Street Thornton, Colorado 80241, U.S.A. Contact Information On the Web: http://www.spaceimaging.com Customer Service Phone (U.S.A.): 1.800.232.9037 Customer Service Phone (World Wide): 301.552.0537 Customer Service Fax (World Wide): 301.552.3762 Customer Service Email: [email protected] Customer Service Center hours of operation: Monday - Friday, 7:00am - 11:00pm Eastern Standard Time Product Order Metadata … Customer Project Name: Nazca Ground Station ID: PGS License Type: Single Organization License Option 1: 1 Company / Corporation: GAF Product Order Area (Geographic Coordinates) … Sensor Type: Satellite Sensor Name: IKONOS-2 Processing Level: Standard Geometrically Corrected Image Type: PAN/MSI Interpolation Method: Cubic Convolution Multispectral Algorithm: Projective Stereo: Mono Mosaic: No Map Projection: Universal Transverse Mercator UTM Specific Parameters Hemisphere: S Zone Number: 18 Datum: WGS84 Product Order Pixel Size: 1.0000000000 meters Product Order Map Units: meters MTFC Applied: Yes DRA Applied: No File Format: GeoTIFF TIFF Tiled: No Bits per Pixel per Band: 11 bits per pixel Multispectral Files: Separate Files